Текущее состояние аналитики больших данных

Мы успешно преодолели кривую ажиотажа и в настоящее время приближаемся к реальности. Большие данные и аналитика применяются преимущественно в маркетинге, продажах и повышении операционной эффективности. Мы видим, что большие данные становятся доступными, прошли те времена, когда только крупные предприятия могли использовать большие данные для облачных провайдеров, решающих агрегацию, преобразование и обогащение данных для нишевого сегмента. Ежедневно обнаруживаются идеи, и гипотезы проверяются, прежде чем инвестировать в определенный путь.

Большие данные и финансовые услуги

Банковское дело использует аналитику больших данных в узких случаях, таких как предотвращение мошенничества путем анализа структуры расходов и использования банкоматов. Сектор финансовых услуг применяется в таких областях, как оценка рисков ваших инвестиций, пытаясь провести их через несколько моделей и сценариев риска, чтобы принять обоснованное решение о том, какая стоимость находится под угрозой. Крупные фирмы, такие как Goldman Sachs, имеют множество систем управления рисками, которые проводят симуляции инвестиций, чтобы оценить, насколько мы рискуем, и разыграть множество сценариев «что, если»; что, если мы столкнемся с технологическим пузырем, как в 2001 году, что произойдет с моими инвестициями и т. д.

В банках и финансовых учреждениях есть аналитические группы и центры передового опыта, но они изо всех сил пытаются перевести их из пилотных проектов в крупномасштабные. Безопасность данных и отсутствие технических знаний — другие факторы, которые мешают их применению для улучшения качества обслуживания клиентов.

Положительным моментом является то, что банки Challenger применяют аналитику для охвата длинного хвоста людей, не охваченных банковскими услугами или недостаточно охваченных банковскими услугами. Например, оценка FICCO в альтернативе традиционному кредитному бюро, где для получения кредитной оценки используются данные вашей телефонной компании, собственности и общедоступные данные.

Оспаривания правил

Было немного страха, созданного такими правилами, как GDPR, в отношении количества собираемых данных и их неэтичного использования для фальсификации выборов. GDPR — очень хорошая инициатива, благодаря которой грамотность в вопросах конфиденциальности из развивающихся стран и организаций попала на обеденные столы в домах.

Мир движется к социальной ответственности, начиная с сохранения природных ресурсов/воды, прекращения загрязнения пластиком — одноразовых соломинок и т. д. Данные также будут рассматриваться как объект, столь же ценный, как и другие ресурсы. Это должно привести к повышению социальной ответственности крупных фирм за то, как они собирают и используют данные.

Другие аргументы в пользу того, что данные необходимы для прогнозирования и предоставления более качественных услуг, выдвигаются крупными фирмами, такими как Google и Facebook. Я лично отказываюсь принимать эти аргументы, то, как Google Maps усложняет жизнь, когда вы перестаете делиться информацией о местоположении или историей местоположений, выглядит жалко, приложение настроено на сбой, когда человек отказывается предоставить какие-либо данные, это заставляет людей сдаться. их конфиденциальность для использования приложения и услуг.

Хотя мы обучаем потребителей и население тому, как быть чувствительными к тому, какие данные передаются, и к отсутствию регулирования в этом отношении, с другой стороны, потребители приглашают Alexa и Google к себе домой.

Данные о количестве, собранные Alexa и Google Home, также в несколько раз конфиденциальны и ценны. Это дает ошеломляющую уверенность в том, что потоки данных никогда не иссякнут, они просто станут более информативными и сложными для обработки, они будут похожи на добычу золота, а данные с этих устройств — золотая жила. Маркетологи смогут понять настроения потребителей с помощью аудио и видео — получить более полное представление.

Искусственный интеллект и машинное обучение

Большие данные и аналитика дополняют ИИ уже сегодня. Искусственный интеллект и машинное обучение требуют огромных объемов очищенных и релевантных данных. Большие данные и аналитика настроены на предоставление этих данных. Хотя это будет продолжаться в течение следующих 10 лет, именно тогда мы увидим, что дополненная аналитика начнет приносить пользу.

Дополненная аналитика поднимается по кривой ажиотажа, некоторые начали ориентироваться на маркетинговую аналитику и путь клиента, это узкий и целевой сегмент, который созрел для оптимизации и автоматизации.

Авторство изображения — Джефф Макнил [CC BY-SA 2.0 (https://creativecommons.org/licenses/by-sa/2.0)]