Что можно сказать относительно умных больших данных
Ответы на тесты по теме Фабрики будущего
Наименьшая часть добавленной стоимости сейчас формируется на следующих стадиях разработки, производства и реализации продукта:
Закупки, Производство, Дистрибуция
Digital Customer and Digital Product
Оставляют ли вещи цифровой след?
—> Чем ограничено использование персональных данных?
Что можно сказать относительно Умных Больших Данных?
Концепция Умных Больших Данных позволяет работать только с теми данными, которые вам нужны
К какому году согласно концепции Siemens возможен переход к индивидуальному изготовлению для получения полностью персонализированной продукции с применением самых современных технологий?
Сколько проектов нацеленных на развитие технологий, которые впоследствии предполагается внедрить на «Фабриках Будущего» запущено с момента создания Factories of the Future Public-Private Partnership?
Кто является ключевым игроком в инициативе по созданию «Фабрик Будущего» в Европеском союзе с институциональной точки зрения?
EFFRA (European Factories of the Future Research Association)
Какой из перечисленных компаний принадлежит идея концепции Brilliant Factory?
Верно ли утверждение: «Число натурных испытаний уменьшилось с 2007 по 2017 год в 2 раза»?
Термин «Цифровой двойник» относится:
к продукту;к производству
Компьютерное проектирование (CAD) позволяет (выберите несколько верных ответов):
оформлять конструкторскую документацию;создавать 3D-модели
—>
Дигитализация («оцифровка») всех процессов и продуктов в Европе началась:
Для предиктивного анализа ресурса работы самолетов необходимо (выберите несколько верных ответов):
наличие цифрового двойника самолета;наличие больших данных о самолете – информации о каждом полете конкретного самолета
За последние 10 лет в автомобилестроении:
число натурных испытаний сократилось в 20 раз
Если необходимо нарисовать 3D-модель крышки багажника автомобиля, то в минимальном варианте необходимое использовать:
Для интеграции цифровой фабрики используется:
Эффектами от применения цифровых фабрик являются (выберите несколько правильных ответов):
сокращение переделок и производственных отходов;сокращение срока вывода продуктов на рынок
В каком виде производственных технологий материал и не добавляется, и не удаляется?
Большие данные вышли из моды. Вам нужны умные данные
Пару лет назад сеть бюджетных гостиниц Red Roof Inn подсчитала, что из-за отмен авиарейсов около 90 000 пассажиров в США оказываются в довольно затруднительном положении. Используя эти данные, в Red Roof Inn научились отслеживать задержки рейсов и рекламировать свои услуги застрявшим в аэропортах пассажирам. В результате доходы компании в течение года выросли примерно на 10%.
Эта история служит наглядным примером того, как важно найти правильную информацию и грамотно ее использовать. И как одна хорошая идея может помочь бренду выйти на новый выгодный сегмент рынка.
Информация о задержках рейсов была доступна и другим гостиничным сетям, но они не смогли эффективно применять эти данные в бизнесе. Другими словами, вся необходимая вашей компании информация уже существует, — нужно только найти способ превратить эту руду в золото. Но как не потеряться в огромном информационном потоке разнообразных данных?
Чем Smart Data отличается от Big Data?
Большие данные — это необработанный массив информации, содержащий «шум» — данные, c низкой реальной стоимостью или без практического значения для предприятия. Цель умных данных (smart data) — отфильтровать шум и оставить только полезную информацию, которую можно эффективно использовать для решения бизнес-задач. Умные данные получают методом анализа, разделения на сегменты и интерпретирования big data при помощи интеллектуальных алгоритмов.
«Если вы не зарабатываете на мобильных или интернет-технологиях, как Google, Facebook или Amazon — компании, в чьем штате работают лучшие в мире разработчики и эксперты по обработке и анализу данных, — то, скорее всего, нужная вам информация распределена по множеству разнородных источников, — говорит Тассо Аргирос, генеральный директор компании ActionIQ. — Данные о ваших клиентах не структурированы и хранятся в недрах электронной переписки или на торговых точках. Они пока еще не собраны в единую базу, и их огромная потенциальная ценность никак не реализуется на практике».
Компания ActionIQ — одна из лидирующих в вопросах предоставления «умных» данных. ActionIQ не только собирает информацию, которая в ином случае могла бы просто потеряться, но и позволяет своим клиентам анализировать ее и использовать возникающие в процессе идеи для разработки и реализации новых маркетинговых кампаний. Как только появляется возможность объединить собственную экспертизу с правильной статистикой, такой симбиоз приносит результат.
Компаниям необходимо сконцентрировать внимание на «умных» данных, которые будут способствовать их развитию, и не тратить время на все остальное.
Сфокусируйте внимание на умных данных
Компания, которая уделяет внимание «умным» данным, скорее сможет использовать полученную информацию себе на пользу. Возьмем, к примеру, Amazon. Анализируя историю покупок своих клиентов, Amazon может с большой долей вероятности предположить, какие товары могут заинтересовать их в будущем. Это помогает компании показывать своим пользователям только те рекламные предложения, которые подобраны специально для них.
«Мы живем в мире, которым правят данные, и количество этих данных, доступных как потребителям, так и компаниям, невероятно огромно», — говорит Карен Колб, директор отдела потребительского маркетинга компании Gilt.
Поиск и выявление «умных» данных — труднейшая задача, особенно в условиях дефицита экспертов по их обработке и анализу (к тому же эти услуги очень дорого стоят). Но есть и хорошие новости: сегодня существует множество инструментов, которые позволяют компаниям эффективно анализировать информацию, максимально снижая необходимость в технических экспертах. Это позволяет маркетологам самостоятельно приходить к нужным выводам и немедленно реализовывать новые идеи на практике, не обращаясь к посторонней помощи.
Применение умных данных
Со стороны может показаться, что умные данные способны принести золотые горы любой компании, которая научится их использовать. Но в реальности дело обстоит несколько сложнее. Почти треть директоров по маркетингу считают, что существующие инструменты анализа данных представляют собой нечто вроде «черного ящика». Поскольку маркетологам часто трудно понять результаты, полученные с их помощью, эффективность работы с данными невысока. Еще одна проблема связана с тем, что эти данные трудно поддаются переносу. Это ограничивает доступ к ним и мешает понять, как использовать существующую информацию на пользу компании.
Платформы, предоставляющие данные о потребителях, позволяют участникам рынка использовать потенциал больших данных в доступной и простой форме. И дело не столько в данных, сколько в умении понять, как именно их использовать. Попробуйте — и у вас появится шанс оказаться на передовой рынка будущего.
Где применяются технологии Big Data уже сегодня?
Ежедневно в мире создаётся 2,5 квинтиллиона байтов новых данных — это десять миллионов Blu-Ray-дисков общим весом в четыре Эйфелевы башни.
С ростом количества гаджетов, развитием пропускной возможности сотовых и проводных сетей и появлением всё новых информационных технологий, объём экономики данных растёт по экспоненте. А вместе с ней — и возможности, которые работа с большими данными открывает. Работа с биг датой меняет на глазах абсолютно каждую сферу человеческой активности — от развлечений до здравоохранения, от безопасности до продуктов питания.
Сейчас, когда значительная часть человечества в той или иной форме на карантине, самоизоляции, а то и в ситуации экономической неопределённости, самое время взглянуть на то, какую роль большие данные уже играют в нашей жизни, а главное — какую роль они будут играть в ближайшем будущем.
Контент и развлечения
Большие данные определяют не только какой фильм или сериал вам предложить посмотреть следующим, но и какие фильмы для вас снимать. Голливуд уже вплотную приблизился к применению биг даты при написании сценариев и кастинге актёров, но пока находится только в начале пути.
«Только представьте, что будет, когда Голливуд по-настоящему начнёт пользоваться большими данными», — говорит Ричард Мараши, руководитель аналитики в IBM. Традиционная кино-индустрия, по словам Мараши, пользуется четверной моделью, деля аудиторию по полу и возрасту — моложе 25 и старше 25. Но это уже меняется. Большие данные позволяют делить аудиторию на небывало точные сегменты — вроде домохозяек из регионов, которым нравятся фильмы по комиксам.
И совершенно необязательно ограничиваться только сегментированием и анализом аудитории. Big Data позволяет работать таким образом и с самим контентом. К примеру, Netflix анализирует и сортирует свою огромную библиотеку контента по более, чем 70 тысячам характеристик.
Совмещение этих подходов — детализированного анализа как аудитории, так и контента, который она потребляет, открывает небывалые возможности по созданию нового контента. Это данные, которые производители фильмов, сериалов и игр по всему миру могут использовать при создании новых миров, написании новых сценариев и кастинге актёров.
Консультанты по сценариям, на голливудском сленге известные как Script Doctors, используют не только литературное образование, но и аналитику данных как от кассовых успехов, так и кассовых провалов, взвешивая инвестиционные риски отправляемых им студиями новых сценариев.
Вслед за кино и телеиндустрией большие данные меняют и мир музыки. Облачные сервисы, от эппловского iTunes до YouTube Music оперируют огромными массивами данных о пользовательских предпочтениях и привычках.
Знаете ли вы, например, что, по данным сервиса SoundCloud, средний возраст, когда люди перестают интересоваться новой музыкой — 33 года?
Впрочем, помимо занятных фактов для самокопания, большие данные открывают новые возможности и для бизнеса, позволяя быстрее находить новые дарования и давать им пропуск в мир больших звёзд.
По мнению многих аналитиков, цель дорогостоящей «покупки» как раз-таки доступ к данным многомиллионой аудитории слушателей шоу: их вкусам, интересам, предпочтениям и привычкам.
Спорт — ещё одно направление в мире развлечений, находящееся на пороге информационной революции. Футбольные команды в Великобритании «оказались замечены» в использовании умных датчиков для замера положения их игроков на поле и их пульса. Но это только начало: многие баскетбольные и бейсбольные команды анализируют данные видеозаписей и датчиков как своих игроков, так и команд-соперников, превращая поле битвы мышц и духа ещё и в поле боя данных.
Moneyball — это только начало
Данными сыт будешь: биг дата в сельском хозяйстве
Сенсоры и датчики, видеонаблюдение и носимые устройства становятся реальностью не только человеческой жизни, но и сельского хозяйства. The Climate Corporation, подразделение агрогиганта Monsanto ведёт работу с агрохолдингами, фермерскими хозяйствами и разработчиками софта для ретейла, объединяя их в единую мощную сеть Climate FieldView, основанную на больших данных. Climate FieldView даёт фермерам детализированную визуализацию процессов сельскохозяйственного производства, объединённую с данными о потребностями рынка продовольствия, которые позволяют им принимать эффективные информированные решения.
Фермерам доступны данные о погоде, состоянии почвы, влажности, созревании плодов, ходе роста и условиях для скота. Эта информация позволяет максимизировать и оптимизировать производство продукции под потребности рынка в реальном времени.
В Великую депрессию 1930-х годов фермерским хозяйствам зачастую приходилось уничтожать собранный хлеб и выливать надоенное молоко. С помощью технологий больших данных XXI веке подобных проблем можно будет избежать и нужды в таких драматичных мерах уже не останется.
Благодаря большим данным, интернету вещей и облачным технологиям более качественные продукты становятся доступны всё большему числу людей.
Торговля и реклама
Онлайн-шоппинг можно считать уже традиционным и предсказуемым способом применения больших данных. Компания Amazon была одним из пионеров использования больших данных в интернет-продажах, сравнивая покупки сделанные их пользователями, сравнивая их с тем, что покупали другие и пытаясь предсказать, что их клиенту может понадобиться или захочется приобрести следом. Сейчас эти технологии применяются практически в любом крупном интернет-магазине.
Онлайн-реклама — другое важное применение больших данных. Возможно, большие данные смогут «убить» рекламу в её привычном понимании. Ведь что люди обычно называют рекламой? Навязчивое информирование о чём-то ненужном. Но при этом у всех людей есть потребности и проблемы, на поиски решения для которых мы тратим огромное количество времени и сил. Реклама, отвечающая точно существующим потребностям пользователя — это уже не реклама, а полезный совет.
Но для того, чтобы дойти до такого уровня полезности (утратив по пути неприятную «рекламность») маркетологам нужно знать своих клиентов лучше, чем они знают сами себя. Бизнесы ищут своих покупателей и пытаются в буквальном смысле угадать их желания, основываясь на посещаемых ими сайтах, истории их покупок и поиска.
Результат этого будет немного парадоксальным: став, благодаря большим данным, интуитивной, реклама перестанет восприниматься как нечто негативное — просто окружающий мир станет восприниматься чуть-чуть добрее к людям, всегда готовый прийти на помощь и предложить именно то, что нужно или понадобится человеку здесь и сейчас или в обозримом будущем.
Геймификация — ещё один важный тренд современного маркетинга. Геймификация включает в повседневные, неигровые действия элементы игрового поведения, позволяя вовлекать людей в, казалось бы, не самые интересные процессы, побуждая их участвовать в них глубже и добиваться большего. Один из самых старых примеров геймификации — программы накопления лётных миль, призванные накапливать и удерживать постоянных клиентов авиакомпаний.
Чтобы делать программы лояльности эффективнее, компаниям нужно больше данных о потребностях и намерениях своих клиентов и их поведении. Зато, как результат, компании учатся предлагать своим клиентам не только то, что им нужно, но и в наиболее дружелюбной и увлекательной форме.
Безопасность
Приходилось ли вам когда-либо при попытке оплатить покупку онлайн картой получать звонок от службы безопасности вашего банка?
Разумеется, это положительный сигнал — ведь это означает, что службы безопасности действительно работают. Однако безопасность, какой бы желанной она ни была, имеет свою цену.
Как показал анализ поведения 20 миллионов держателей карт, в случае двух подобных инцидентов в течение полугода, когда транзакция, совершаемая пользователем, принималась за подозрительную, расходы с «подозрительной» карты в следующие шесть месяцев снижались, в среднем, на 15%, а каждый пятый держатель и вовсе переставал ей пользоваться.
Для бизнесов важно не только бороться со фродом, но и сделать эту борьбу как можно менее заметной для пользователей. Анализ больших данных с помощью машинного обучения позволяет создавать модели «добропорядочного» поведения пользователей, рассказывает Курт Лонг, основатель компании защиты данных FairWarning.
Чем больше данных — тем эффективнее сети ловят хищную рыбёшку, позволяя обычным пользователям наслаждаться безопасной навигацией в океане финансовых транзакций. Благодаря работе с биг датой, современные банки ловят не только мошеннические транзакции, но даже кражи личности до того, как они произойдут.
Впрочем, потребности людей в безопасности онлайном не ограничиваются. Работа с большими данными делает в прямом смысле улицы городов и дома безопаснее. Жители мегаполисов от Лондона до Москвы уже привыкли, что виртуальные полицейские через камеры приглядывают за происходящим буквально буквально на каждом углу.
Разумеется, это порождает много проблем нового времени, включая опасения о защите персональных данных и всевозможных злоупотреблениях. Но нельзя отрицать и того, что просто так напасть на мирного гражданина и скрыться в темноте теперь стало намного сложнее.
Будущее безопасности с использованием больших данных — предсказательный правопорядок. Не так, как в фильме «Особое мнение», конечно — куда масштабнее. И эффективнее.
«Прекрайм — это работает»
«Большой брат» помогает определить наиболее криминогенные районы, время и место повышенной криминальной угрозы — и предпринять все необходимые меры: от банального «полицейского на углу» до инвестиций в социалку и образование неблагополучных регионов.
Здоровье и медицина
В разгар пандемии коронавируса и вызванного экономического кризиса по всему миру эта тема особенно актуальна.
Биг дата уже обеспечила существенные прорывы в здравоохранении: сбор, обмен и изучение накопленных учёными и практикующими врачами данных двигает вперёд исследования, позволяет совершенствовать медицинскую разработку, диагностику, лечение и уход за пациентами. По всему миру, включая Россию, на смену толстым бумажным медицинским картам приходят цифровые облачные. Но сбор и обработка данных уже обратившихся за медицинской помощью — не самое главное изменение, которое работа с большими данными привносит в заботу о здоровье людей.
Лучшее лечение — это профилактика. И здесь работа с большими данными ведётся на двух больших фронтах: индивидуальном и государственном.
На индивидуальном уровне аккумуляция как данных исследователей, так и статистических данных носимых устройств позволяет отслеживать риски заболеваний и рекомендовать необходимые чекапы и физическую активность.
На уровне государства вклад и значение больших данных в здравоохранении ещё больше, позволяя отслеживать риск и угрозы для целых популяций, планируя развитие медицинской инфраструктуры и даже социальной и экономической политик.
Однако в разгар пандемии важность больших данных выросла на порядок.
Победить эпидемию, не дожидаясь, пока переболеет большая часть человечества, можно двумя путями: разработав вакцину или лекарство против коронавируса — или взяв под контроль его распространение.
В обоих случаях огромную роль играет работа с большими объёмами данных.
Разработка вакцины, потенциальный спрос на которую — миллиарды людей — очень масштабная задача, включающая в себя многие раунды клинических испытаний, начиная с небольших групп добровольцев до многих тысяч людей на финальных этапах испытаний. В ситуации пандемии это требует координации усилий лабораторий по всей планете, подразумевая обмен и обработку огромного количества данных.
Ещё важнее роль биг даты в контроле распространения коронавируса. Как показывает уже накопленный опыт, многие случаи вспышек связаны с супер-ивентами, когда массовое заражение началось в определённом месте или во время некого большого события. К примеру, последняя заметная вспышка заболеваний в Южной Корее была вызвана всего одним человеком, который, являясь бессимптомным носителем, за одни выходные тусовок в клубном квартале Сеула заразил сотни человек.
Поэтому многие страны мира, от Германии до Индии уже выпускают приложения, которые позволяют в том или ином виде отслеживать перемещение и социальные контакты пользователей, чтобы в случае обнаружения заболевания у одного из них вовремя предупредить о необходимости самоизоляции других людей.
Фактически, работа с большими данными позволяет сделать карантин умным, минимизируя последствия пандемии как для здоровья людей, так и для экономик.
Сложность, масштабность и длительность разработки вакцины, её вывода на рынок и вакцинирования миллиардов людей по всему миру означает, что угроза коронавируса не минует быстро. По прогнозам учёных, до массового вакцинирования ещё не меньше года. Но посадить экономику всего мира на самоизоляцию на год с лишним не получится. Умный карантин с контролем распространения вируса через работу с большими данными — главное, что поможет человечеству пережить время, оставшееся до появления эффективного средства борьбы уже с самим коронавирусом.
Физическое воплощение больших данных
Большие данные — это, в первую очередь, математика, но работа с ними не обязательно должна ограничиваться только абстрактным мышлением. Другие способы восприятия тоже могут помочь. Большие данные уже тесно связаны с другими мощными новинками: облачными технологиями, интернетом вещей, робототехникой, набирающими силу AR и VR-технологиями.
И визуализация больших данных — отдельное интересное направление работы с ними. На помощь здесь приходит технология 3D-печати. Вот, например, как выглядит визуализация клавиш по частоте использования:
Это, конечно, пока, в прямом смысле, игрушки. Но, как и у многих других технологий этого обзора, у них большое будущее.
А как вы думаете, какие применения у больших данных ещё впереди?
Быстрые, малые, умные. Какие еще бывают большие данные?
Термин Big Data или «большие данные» получил широкое распространение в середине 2000-х и приходится на развитие эпохи «свободного интернета» или технологии Web 2.0. В Web 2.0 ключевыми акторами являются сами пользователи и их личный опыт: смешная картинка, которой они решили поделиться; отзыв на недавно приобретенную покупку, совершенную онлайн; семейная фотография с поездки на море. К признакам «раннего» Web 2.0 можно отнести многочисленные веб-форумы, имиджборды, массовые онлайн чаты. Сегодня на смену веб-форумам пришли социальные сети и тематические блоги.
За развитием концепции Web 2.0 последовала другая — концепция Big data. Изначально этот термин использовался в контексте проблем обработки многочисленных неструктурированных данных. Сегодня же под «большими данными» все чаще подразумевают совокупность подходов к обработке постоянно накапливающейся информации и поиску в ней различных закономерностей.
Для более четкого определения обратимся к энциклопедии журнала PC Magazine:
Большие — это сколько?
Слово «большие» не отражает размерность данных. Сказать, что 100 Гб текста, это «большие данные» — некорректно. Кроме того, классифицировать набор данных из 10 пользователей как «маленький» — также некорректно. Если необходимо подчеркнуть количество информации в одном наборе, то используют термин Lot of Data или «много данных».
Подход «большие данные» применяется там, где стандартные методы обработки информации являются неэффективными.
В качестве классического примера можно привести социальные сети: Instagram, Twitter, YouTube и др. Ежедневно миллионы пользователей, заходя в сеть, оставляют огромное количество цифровых следов: просмотры записей, переходы по ссылкам, лайки, репосты. При этом каждая операция содержит отметку о времени. В результате имеется постоянно обновляемый набор данных о пользовательских действиях, анализируя который, можно более эффективно настроить рекламу или, например, формировать персональную (другими словами — умную) ленту для пользователя.
Если есть большие, значит есть и маленькие?
Есть — маленькие, малые или, более привычно — Small Data. Единого определения для термина нет. Но в обиходе можно встретить несколько от части связанных между собой концепций. Вот некоторые из них:
В академической сфере для определения понятия «Small Data» используется первый вариант. Принято считать, что до 2008 года все научные данные, по сути, были тем, что сейчас называют как «малые». Требования для сбора и хранения больших массивов информации до 2010 года были выше имеющихся тогда технических возможностей.
Малые данные — это часть больших данных, их некоторая подвыборка с условием ограничения по времени и/или по количеству представленной информации.
С другой стороны, малые данные — это массив такой размерности, который в большей степени «подвластен» исследователям без использования высоких вычислительных мощностей. Кроме того, при работе с малыми данными предоставляется больше возможностей для их укомплектования на подготовительном этапе, так что информацию о каждом объекте можно расширить. По аналогии с социальными сетями из примера о больших данных, можно выделить пользовательские действия за ограниченный период, затем по каждому из них в личном порядке (например методом рассылки опроса) уточнить настроение человека, его чувства и эмоции во время работы с системой.
Стоит отметить, что малые данные не обязательно являются отсекаемой частью больших данных и могут быть сформированы без них.
С размером понятно. А что еще?
Кроме «размерных» определений выделяют и другие концепции представления данных, лежащих как в научной, так и в предпринимательской плоскости. Рассмотрим некоторые из них.
Smart data
Smart Data или «умные данные» — это модель данных, имеющая смысл и/или ценность. В отличие от больших и малых, умные данные представляются следующим этапом филигранной постобработки собранной информации.
Американский деловой журнал Inc. приводит определение понятие Smart Data:
Умные данные данные, которые имеют действительную, четко определенную, значимую информацию, которая может ускорить обработку информации и принятие решений.
Простыми словами, умные данные содержат в себе лишь полезную информацию, удобную не только для считывания машиной, но и для обработки человеком.
Продолжая пример с социальными сетями: умные данные — это четко структурированная информация о том, какие тематики записей (политика, экономика, спорт и т.д.) нравятся различным группам пользователей (детям, подросткам, девушкам, молодым людям и т.д.).
Fast data
Подход «быстрые данные» или Fast Data ставит своей задачей оперативное обнаружение релевантной информации в постоянно поступающем и возрастающем потоке Big Data. Быстрые данные являются звеном между этапами сбора и обработки информации и выявлению из нее полезных свойств за максимально короткий промежуток времени.
Таким образом, понятие «обеспечение Fast Data» — это выявление Smart Data в Big Data в режиме реального времени для дальнейшего анализа.
Data, Data, Data, DATAAA.
Первоочередной причиной для подготовки этого материала послужило довольно распространенное и, зачастую, неправильное использование понятия Big Data. Необходимо признать, что сегодня возможности для обработки больших данных обусловлены не только техническими ограничениями, но и потенциальным наличием этих данных. Использование подхода Big Data оправдано только тогда, когда имеется достаточное количества объектов и их признаков.
Кроме того, для работы в области больших данных необходим целый штат рабочих, включая аналитиков, разработчиков, администраторов баз данных, менеджеров всех уровней и др., что наводит на мысль о реальности применении этих методов только крупными игроками на рынке.
Научным исследователям стоит присмотреться к более мелким концепциям, вроде Small Data или Smart Data и, возможно, затронуть понятие Capta Data (Johanna Drucker), на котором я подробно остановлюсь в следующий раз.