Moskow adalah kota metropolis besar dengan 11.979.529 penduduk, menurut sensus 2013. Masing-masing dari mereka pergi bekerja, menggunakan ponsel (atau bahkan lebih dari satu), turun ke kereta bawah tanah, berdiri di kemacetan lalu lintas. Semua ini dipantau oleh layanan kota, instansi pemerintah, perusahaan swasta yang menyediakan berbagai layanan. Ribuan kamera video, ratusan ribu sensor, monitor yang mengontrol kehidupan kota, jutaan ponsel, modem 3G/4G. Dan semuanya, ini adalah miliaran sumber data, pemrosesan yang dapat Anda peroleh informasinya untuk perencanaan lebih lanjut pengembangan kota, mengelola arus lalu lintasnya, dan memastikan keamanan kota metropolitan. Salah satu dari sedikit alat yang dapat mengatasi pemrosesan informasi sebanyak itu adalah solusi dari kelas Big Data. Pertama, mari kita lihat di mana mereka dapat digunakan.

Data kepadatan penduduk dan perpindahan penduduk

Alat utama untuk menentukan ukuran dan struktur penduduk, distribusinya di wilayah saat ini adalah sensus. Kelemahan utama dari sensus adalah biaya pelaksanaannya dan kurangnya data pergerakan penduduk. Sumber informasi sensus adalah penduduk itu sendiri, yang disurvei di tempat tinggalnya.

Apa manfaat menggunakan solusi Big Data? Untuk menjawab pertanyaan ini, pertama-tama kita tentukan data apa yang kita butuhkan:

• tempat penduduk tidur dan bekerja;
• ke mana dan ke mana mereka pergi pada hari kerja dan akhir pekan;
• jenis transportasi apa yang digunakan orang Moskow dan tamu ibukota;
• di mana mereka datang ke kota dan mengapa.

Untuk mengumpulkan informasi ini, pertama-tama kita perlu memutuskan sumber data dan metode analisisnya. Untuk menentukan lokasi penduduk, yang paling optimal adalah menggunakan data lokasi rumahnya telepon selular(dia selalu bersamanya). Bagaimana cara melakukannya?

Tersedia:

• data dari operator seluler tentang lokasi telepon;
• data dari layanan khusus (seperti Yandex.Traffic);
• data dari aplikasi seluler dengan fungsionalitas lokasi bawaan yang disediakan oleh kota untuk kenyamanan penghuni.

Untuk menganalisis informasi yang diterima, berbagai algoritma dapat digunakan tergantung pada sumber, format, dan metode penyediaannya. Tapi di sini adalah poin utama.

Pengertian tempat tidur dan tempat bekerja penduduk dapat diperoleh dengan menganalisis data pergerakan dan tindakan yang dilakukan. Misalnya, tidak adanya panggilan secara berkala dari pukul 22:00 hingga 7:00 dan tidak adanya pergerakan akan menunjukkan di mana orang tersebut tinggal, dan tidak adanya pergerakan selama jam kerja akan menunjukkan di mana orang yang sama bekerja, dan salah satu kriteria bahwa meningkatkan akurasi akan adanya aktivitas telepon pelanggan di lokasi tertentu. Di sini juga dimungkinkan untuk menentukan seberapa sering seseorang bergerak selama jam kerja, berapa banyak orang di kota yang menempati posisi yang terkait dengan pergerakan konstan (kurir, pengemudi, dan profesi lainnya).

Penentuan arah pergerakan penduduk dilakukan dengan cara yang sama, sesuai dengan data pergerakan pelanggan yang sama komunikasi seluler, dan memungkinkan Anda untuk mengidentifikasi arus utama pergerakan penduduk lokal, pengunjung, tenaga kerja, mengumpulkan statistik pergerakan menurut distrik dan arah, mengetahui seberapa sering penduduk dan tamu mengunjungi toko, acara budaya, atraksi kota, serta seberapa populer tempat-tempat tertentu di kota tersebut.

Dengan melacak kecepatan pergerakan dan tempat-tempat yang dikunjungi, orang dapat membedakan jenis transportasi yang digunakan seseorang: mobil, kereta bawah tanah, angkutan umum darat, angkutan antar kota.

Analisis pekerjaan infrastruktur perkotaan dan memastikan keselamatan penduduk

Sejumlah besar lampu lalu lintas, sistem kontrol lalu lintas perkotaan, sistem perekaman video kejadian (kamera pengintai), kontrol transportasi umum di dalam kota dengan populasi lebih dari satu juta orang memerlukan pendekatan terkoordinasi untuk mengelola dan memusatkan data. Salah satu masalah yang diidentifikasi pada waktunya selama penerapan sistem pengawasan video di seluruh kota adalah ketidakmungkinan pemantauan peristiwa yang sedang berlangsung (misalnya, untuk mengidentifikasi tindakan ilegal) oleh petugas tugas operasional. Mempertimbangkan kemampuan teknologi modern saat ini, menjadi mungkin untuk membuat sistem terdistribusi terpadu yang menyediakan pengenalan peristiwa dari berbagai sumber (sistem kontrol lalu lintas, kamera pengintai, dll.) kota. Aplikasi lain dari solusi Big Data adalah penyimpanan terdistribusi dan jangka panjang dari informasi yang dikumpulkan, pencarian data yang diperlukan dan peristiwa terkait. Apa yang menyebabkan perubahan situasi di kota ini atau itu, peristiwa apa yang mendahuluinya, siapa yang mereka pengaruhi - ini adalah sebagian kecil dari pertanyaan yang dapat dijawab oleh data besar.

pemetaan data

Salah satu momen kunci dari peristiwa yang sedang berlangsung adalah definisi karakteristik objek yang terlibat di dalamnya. Sumber yang sama sekali berbeda dapat digunakan untuk mengumpulkan data: misalnya, untuk data yang diterima dari operator seluler, - karakteristik individu tempat kartu SIM terdaftar, untuk sistem pengawasan - informasi dari sistem pengenalan wajah, database departemen. Salah satu poin utama adalah kemungkinan menganonimkan informasi, tidak termasuk komponen pribadi saat mentransfer data dari berbagai pemilik, sumber.

Masalah utama

Namun ada lalat di salep dalam semua ini. Masalah utama dari semua solusi integrasi, terutama jika data dipertukarkan antara departemen yang berbeda, organisasi, adalah pembatasan legislatif yang tidak memungkinkan penyediaan data dalam bentuk yang ada. Akibatnya, pemrosesan awal mereka diperlukan di pihak pemilik.

Total

Sebagai kesimpulan, saya ingin mencatat bahwa teknologi modern untuk memproses "data besar" memungkinkan kami untuk menyediakan lebih banyak dari layanan TI yang ada di kota. Pada saat yang sama, tidak perlu memperbarui infrastruktur yang ada, karena sumber data yang ada di saat ini.

Dengan bantuan solusi kelas Big Data, dimungkinkan untuk meningkatkan kenyamanan penduduk kota dan tamunya, mengurangi jumlah kemacetan bukan karena pembatasan memasuki kota, tetapi dengan mengelola arus lalu lintas, mengurangi jumlah kejahatan karena untuk respon yang cepat, meningkatkan kualitas layanan perkotaan karena kontrol yang cepat dan otomatis.

"Data besar"- topik yang secara aktif dibahas oleh perusahaan teknologi. Beberapa dari mereka menjadi kecewa dengan data besar, sementara yang lain, sebaliknya, menggunakannya untuk bisnis sebanyak mungkin... . Semoga informasinya menarik dan bermanfaat.

APA ITU DATA BESAR?

Fitur Utama

Big Data saat ini menjadi salah satu pendorong utama perkembangan teknologi informasi. Arah ini, yang relatif baru untuk bisnis Rusia, telah menyebar luas di negara-negara Barat. Hal ini disebabkan oleh fakta bahwa di era teknologi informasi, terutama setelah booming jejaring sosial, sejumlah besar informasi mulai menumpuk untuk setiap pengguna Internet, yang pada akhirnya mengarah ke Big Data.

Istilah "Big Data" menimbulkan banyak kontroversi, banyak yang percaya bahwa itu berarti hanya jumlah akumulasi informasi, tetapi jangan lupakan sisi teknis, area ini mencakup teknologi penyimpanan, komputasi, dan layanan.

Perlu dicatat bahwa area ini mencakup pemrosesan sejumlah besar informasi, yang sulit untuk diproses menggunakan metode tradisional*.

Di bawah ini adalah tabel perbandingan basis data tradisional dan Big Data.

Lingkup Big Data dicirikan oleh fitur-fitur berikut:
Volume - volume, basis data yang terakumulasi adalah sejumlah besar informasi yang sulit untuk diproses dan disimpan dengan cara tradisional, yang mereka butuhkan pendekatan baru dan alat canggih.
Kecepatan - kecepatan, tanda ini menunjukkan peningkatan kecepatan akumulasi data (90% informasi dikumpulkan selama 2 tahun terakhir) dan kecepatan pemrosesan data; baru-baru ini, teknologi pemrosesan data waktu nyata menjadi lebih diminati.
Variasi - variasi, mis. kemungkinan pemrosesan simultan dari informasi terstruktur dan tidak terstruktur dari berbagai format. Perbedaan utama antara informasi terstruktur adalah dapat diklasifikasikan. Contoh informasi tersebut adalah informasi tentang transaksi klien.
Informasi tidak terstruktur termasuk video, file audio, teks bebas, informasi yang berasal dari jejaring sosial. Sampai saat ini, 80% informasi termasuk dalam kelompok tidak terstruktur. Informasi ini membutuhkan analisis yang kompleks untuk membuatnya berguna untuk diproses lebih lanjut.
Kebenaran – Keandalan data, pengguna mulai mementingkan keandalan data yang tersedia. Jadi, perusahaan internet memiliki masalah dalam memisahkan tindakan yang dilakukan oleh robot dan seseorang di situs web perusahaan, yang pada akhirnya mengarah pada kesulitan analisis data.
nilai - nilai akumulasi informasi. Big Data harus berguna bagi perusahaan dan memberikan nilai padanya. Misalnya, membantu dalam meningkatkan proses bisnis, pelaporan, atau optimalisasi biaya.

Jika 5 kondisi di atas terpenuhi, volume akumulasi data dapat diklasifikasikan sebagai besar.

Aplikasi Big Data

Cakupan teknologi Big Data sangat luas. Jadi, dengan bantuan Big Data, Anda dapat mempelajari preferensi pelanggan, efektivitas kampanye pemasaran, atau melakukan analisis risiko. Di bawah ini adalah hasil survei Institut IBM tentang petunjuk penggunaan Big Data di perusahaan.

Seperti dapat dilihat dari diagram, sebagian besar perusahaan menggunakan Big Data di bidang layanan pelanggan, arah paling populer kedua adalah efisiensi operasional, di bidang manajemen risiko Big Data kurang umum saat ini.

Perlu juga dicatat bahwa Big Data adalah salah satu bidang teknologi informasi yang paling cepat berkembang, menurut statistik, jumlah total data yang diterima dan disimpan berlipat ganda setiap 1,2 tahun.
Antara 2012 dan 2014, jumlah data yang dikirimkan setiap bulan jaringan seluler, meningkat sebesar 81%. Cisco memperkirakan bahwa pada tahun 2014 volume lalu lintas seluler sebesar 2,5 exabytes (satuan pengukuran jumlah informasi yang sama dengan 10 ^ 18 byte standar) per bulan, dan sudah pada tahun 2019 akan sama dengan 24,3 exabytes.
Dengan demikian, Big Data sudah menjadi bidang teknologi yang mapan, meskipun usianya relatif muda, yang telah menyebar luas di banyak bidang bisnis dan berperan penting dalam perkembangan perusahaan.

Teknologi Data Besar

Teknologi yang digunakan untuk mengumpulkan dan memproses Big Data dapat dibagi menjadi 3 kelompok:

• Perangkat lunak;
• Peralatan;
• Melayani.

Pendekatan pemrosesan data (PD) yang paling umum meliputi:
SQL - bahasa kueri terstruktur yang memungkinkan Anda bekerja dengan database. Menggunakan SQL, Anda dapat membuat dan memodifikasi data, dan larik data dikelola oleh sistem manajemen basis data yang sesuai.
Tanpa SQL - istilah singkatan Not Only SQL (tidak hanya SQL). Ini mencakup sejumlah pendekatan yang ditujukan untuk implementasi database, yang berbeda dari model yang digunakan dalam DBMS relasional tradisional. Mereka nyaman digunakan dengan struktur data yang terus berubah. Misalnya, untuk mengumpulkan dan menyimpan informasi di jejaring sosial.
PetaKurangi – model distribusi perhitungan. Digunakan untuk komputasi paralel pada kumpulan data yang sangat besar (petabyte* atau lebih). Dalam antarmuka pemrograman, data tidak ditransfer ke program untuk diproses, tetapi program ditransfer ke data. Oleh karena itu, kueri adalah program yang terpisah. Prinsip operasinya adalah memproses data secara berurutan dengan dua metode Map dan Reduce. Peta memilih data awal, Mengurangi agregat mereka.
hadoop - digunakan untuk menerapkan mekanisme pencarian dan kontekstual untuk situs yang banyak dimuat - Facebook, eBay, Amazon, dll. Ciri khas adalah bahwa sistem dilindungi dari kegagalan salah satu node cluster, karena setiap blok memiliki setidaknya satu salinan data di node lain.
SAP HANA adalah platform NewSQL berkinerja tinggi untuk penyimpanan dan pemrosesan data. Menyediakan pemrosesan permintaan berkecepatan tinggi. Pembeda lainnya adalah SAP HANA menyederhanakan lanskap sistem dengan mengurangi biaya untuk mendukung sistem analitik.

Peralatan teknologi meliputi:

• server;
• peralatan infrastruktur.

Server termasuk penyimpanan data.
Peralatan infrastruktur termasuk alat akselerasi platform, catu daya yang tidak pernah terputus, set konsol server, dll.

Melayani.
Layanan mencakup arsitektur sistem basis data, pengembangan dan optimalisasi infrastruktur, dan keamanan penyimpanan data.

Perangkat lunak, perangkat keras, dan layanan bergabung untuk membentuk platform ujung ke ujung untuk penyimpanan dan analisis data. Perusahaan seperti Microsoft, HP, EMC menawarkan layanan untuk pengembangan, penerapan, dan pengelolaan solusi Big Data.

Aplikasi di industri

Big Data telah menyebar luas di banyak sektor bisnis. Mereka digunakan dalam perawatan kesehatan, telekomunikasi, perdagangan, logistik, perusahaan keuangan, serta dalam administrasi publik.
Di bawah ini adalah beberapa contoh aplikasi Big Data di beberapa industri.

Eceran
Dalam database toko ritel banyak informasi tentang pelanggan, sistem manajemen inventaris, dan pasokan produk yang dapat dipasarkan dapat dikumpulkan. Informasi ini dapat berguna di semua area aktivitas toko.

Jadi, dengan bantuan akumulasi informasi, Anda dapat mengelola pasokan barang, penyimpanan, dan penjualannya. Berdasarkan akumulasi informasi, adalah mungkin untuk memprediksi permintaan dan penawaran barang. Selain itu, sistem pemrosesan dan analisis data dapat memecahkan masalah pengecer lainnya, misalnya, mengoptimalkan biaya atau menyiapkan laporan.

Layanan keuangan
Big Data memungkinkan untuk menganalisis kelayakan kredit peminjam dan juga berguna untuk penilaian kredit* dan penjaminan emisi**. Pengenalan teknologi Big Data akan mengurangi waktu untuk pertimbangan aplikasi pinjaman. Dengan bantuan Big Data, dimungkinkan untuk menganalisis operasi klien tertentu dan menawarkan layanan perbankan yang cocok untuknya.

telekomunikasi
Dalam industri telekomunikasi, Big Data banyak digunakan oleh operator seluler.
Operator seluler, bersama dengan lembaga keuangan, memiliki salah satu basis data terbesar, yang memungkinkan mereka melakukan analisis paling mendalam dari akumulasi informasi.
Tujuan utama dari analisis data adalah untuk mempertahankan pelanggan yang sudah ada dan menarik pelanggan baru. Untuk melakukan ini, perusahaan mengelompokkan pelanggan, menganalisis lalu lintas mereka, dan menentukan afiliasi sosial pelanggan.

Selain menggunakan Big Data untuk tujuan pemasaran, teknologi juga digunakan untuk mencegah penipuan transaksi keuangan.

Industri pertambangan dan minyak
Big Data digunakan baik dalam ekstraksi mineral, maupun dalam pemrosesan dan pemasarannya. Berdasarkan informasi yang diterima, perusahaan dapat menarik kesimpulan tentang efisiensi pengembangan lapangan, melacak jadwal perbaikan dan kondisi peralatan, dan memperkirakan permintaan dan harga produk.

Menurut survei oleh Tech Pro Research, Big Data paling tersebar luas di industri telekomunikasi, serta di bidang teknik, TI, keuangan, dan perusahaan pemerintah. Menurut hasil survei ini, Big Data kurang populer di bidang pendidikan dan kesehatan. Hasil survei disajikan di bawah ini:

Contoh penggunaan Big Data di perusahaan

Saat ini, Big Data sedang aktif diimplementasikan di perusahaan asing. Perusahaan seperti Nasdaq, Facebook, Google, IBM, VISA, Master Card, Bank of America, HSBC, AT&T, Coca Cola, Starbucks dan Netflix sudah menggunakan sumber daya Big Data.

Area penerapan informasi yang diproses beragam dan bervariasi tergantung pada industri dan tugas yang harus dilakukan.
Selanjutnya akan disajikan contoh penerapan teknologi Big Data dalam praktiknya.

HSBC menggunakan teknologi Big Data untuk melawan transaksi penipuan dengan kartu plastik. Dengan bantuan Big Data, perusahaan meningkatkan efisiensi layanan keamanan sebanyak 3 kali, dan pengenalan insiden penipuan sebanyak 10 kali. Efek ekonomi dari pengenalan teknologi ini melebihi 10 juta dolar AS.

Anti penipuan* VISA memungkinkan Anda untuk secara otomatis menghitung transaksi yang bersifat penipuan, sistem saat ini membantu mencegah pembayaran penipuan dalam jumlah 2 miliar dolar AS per tahun.

Perusahaan superkomputer Watson IBM menganalisis secara real time aliran data transaksi uang. Menurut IBM, Watson meningkatkan jumlah transaksi penipuan yang terdeteksi sebesar 15%, mengurangi sistem positif palsu sebesar 50% dan meningkatkan jumlah dana yang dilindungi dari transaksi semacam ini sebesar 60%.

Prokter & Judi dengan bantuan Big Data, mereka merancang produk baru dan membuat kampanye pemasaran global. P&G telah menciptakan kantor Business Spheres khusus tempat Anda dapat melihat informasi waktu nyata.
Dengan demikian, manajemen perusahaan memiliki kesempatan untuk langsung menguji hipotesis dan melakukan eksperimen. P&G percaya bahwa Big Data membantu dalam memprediksi kinerja perusahaan.

Pengecer perlengkapan kantor officemax dengan bantuan teknologi Big Data, mereka menganalisis perilaku pelanggan. Analisis Big Data memungkinkan untuk meningkatkan pendapatan B2B sebesar 13%, mengurangi biaya sebesar $400.000 per tahun.

Berdasarkan Ulat , para distributornya kehilangan pendapatan $9 miliar hingga $18 miliar per tahun hanya karena mereka tidak menerapkan teknologi Big Data. Big Data akan memungkinkan pelanggan untuk mengelola armada mereka secara lebih efisien dengan menganalisis informasi dari sensor yang dipasang pada alat berat.

Sampai saat ini, sudah dimungkinkan untuk menganalisis keadaan komponen utama, tingkat keausannya, mengelola biaya bahan bakar dan perawatan.

Grup Luxottica adalah produsen kacamata olahraga dengan merek seperti Ray-Ban, Persol dan Oakley. Perusahaan menggunakan teknologi Big Data untuk menganalisis perilaku pelanggan potensial dan pemasaran SMS "pintar". Hasilnya, grup Big Data Luxottica mengidentifikasi lebih dari 100 juta pelanggan paling berharga dan meningkatkan efektivitas kampanye pemasaran sebesar 10%.

DARI menggunakan Yandex Pengembang game Data Factory Dunia Tank menganalisis perilaku para pemain. Teknologi Big Data memungkinkan untuk menganalisis perilaku 100 ribu pemain World of Tanks menggunakan lebih dari 100 parameter (informasi tentang pembelian, permainan, pengalaman, dll.). Sebagai hasil dari analisis, perkiraan churn pengguna diperoleh. Informasi ini memungkinkan Anda untuk mengurangi perawatan pengguna dan bekerja dengan peserta game dengan cara yang ditargetkan. Model yang dikembangkan ternyata 20-30% lebih efisien daripada alat analisis industri game standar.

Kementerian Tenaga Kerja Jerman menggunakan Big Data untuk menganalisis klaim pengangguran yang masuk. Jadi, setelah menganalisis informasi, menjadi jelas bahwa 20% dari manfaat dibayarkan dengan tidak semestinya. Dengan bantuan Big Data, Kementerian Tenaga Kerja telah mengurangi biaya sebesar 10 miliar euro.

Rumah Sakit Anak Toronto melaksanakan proyek Proyek Artemis. Ini adalah sistem informasi yang mengumpulkan dan menganalisis data bayi secara real time. Sistem memantau 1.260 indikator keadaan setiap anak setiap detik. Proyek Artemis memungkinkan Anda untuk memprediksi kondisi anak yang tidak stabil dan memulai pencegahan penyakit pada anak-anak.

TINJAUAN PASAR DATA BESAR GLOBAL

Keadaan pasar global saat ini

Pada tahun 2014, Big Data, menurut Data Collective, telah menjadi salah satu area prioritas untuk berinvestasi di industri ventura. Menurut portal informasi Computerra, hal ini dikarenakan perkembangan di bidang ini sudah mulai membawa hasil yang signifikan bagi penggunanya. Sepanjang tahun lalu, jumlah perusahaan dengan proyek yang dilaksanakan di bidang manajemen data besar telah meningkat sebesar 125%, volume pasar telah tumbuh sebesar 45% dibandingkan tahun 2013.

Sebagian besar pendapatan pasar Big Data, menurut Wikibon, pada tahun 2014 terdiri dari layanan, bagiannya sama dengan 40% dari total pendapatan (lihat diagram di bawah):

Jika kita mempertimbangkan Big Data untuk 2014 berdasarkan subtipe, maka pasar akan terlihat seperti ini:

Menurut Wikibon, aplikasi dan analitik menyumbang 36% dari pendapatan Big Data pada tahun 2014 dari aplikasi dan analitik Big Data, 17% dari perangkat keras komputasi, dan 15% dari teknologi penyimpanan. Paling sedikit dari semua pendapatan dihasilkan oleh teknologi NoSQL, peralatan infrastruktur dan penyediaan jaringan perusahaan (jaringan perusahaan).

Teknologi Big Data yang paling populer adalah platform in-memory SAP, HANA, Oracle, dll. Hasil survei T-Systems menunjukkan bahwa mereka dipilih oleh 30% dari perusahaan yang disurvei. Yang paling populer kedua adalah platform NoSQL (18% pengguna), perusahaan juga menggunakan platform analitik dari Splunk dan Dell, mereka dipilih oleh 15% perusahaan. Yang paling tidak berguna untuk menyelesaikan masalah Big Data, menurut hasil survei, adalah produk Hadoop/MapReduce.

Menurut survei Accenture, di lebih dari 50% perusahaan yang menggunakan teknologi Big Data, biaya Big Data berkisar antara 21% hingga 30%.
Menurut analisis Accenture berikut, 76% perusahaan percaya bahwa biaya ini akan meningkat pada tahun 2015, dan 24% perusahaan tidak akan mengubah anggaran mereka untuk teknologi Big Data. Ini menunjukkan bahwa di perusahaan-perusahaan ini, Big Data telah menjadi area IT yang mapan, yang telah menjadi bagian integral dari pengembangan perusahaan.

Hasil survei Economist Intelligence Unit mengkonfirmasi dampak positif penerapan Big Data. 46% perusahaan mengklaim bahwa mereka telah meningkatkan layanan pelanggan lebih dari 10% menggunakan teknologi Big Data, 33% perusahaan telah mengoptimalkan inventaris dan meningkatkan produktivitas aset utama, 32% perusahaan telah meningkatkan proses perencanaan.

Data Besar di negara lain perdamaian

Sampai saat ini, teknologi Big Data paling sering diterapkan di perusahaan-perusahaan AS, tetapi sekarang negara-negara lain di dunia mulai menunjukkan minat. Pada tahun 2014, menurut IDC, negara-negara Eropa, Timur Tengah, Asia (tidak termasuk Jepang) dan Afrika menyumbang 45% dari pasar perangkat lunak, layanan, dan peralatan Big Data.

Selain itu, menurut survei CIO, perusahaan dari kawasan Asia-Pasifik dengan cepat menguasai solusi baru di bidang analisis Big Data, penyimpanan yang aman, dan teknologi awan. Amerika Latin berada di urutan kedua dalam hal jumlah investasi dalam pengembangan teknologi Big Data, di atas Eropa dan Amerika Serikat.
Selanjutnya akan dipaparkan deskripsi dan prakiraan perkembangan pasar Big Data di beberapa negara.

Cina
Jumlah informasi di Cina adalah 909 exabytes, yang setara dengan 10% dari jumlah total informasi di dunia, pada tahun 2020 jumlah informasi akan mencapai 8060 exabytes, dan pangsa informasi dalam statistik global juga akan meningkat, di 5 tahun itu akan sama dengan 18%. Potensi pertumbuhan Big Data China memiliki salah satu dinamika yang tumbuh paling cepat.

Brazil
Pada akhir 2014, Brasil telah mengumpulkan 212 exabyte informasi, yang merupakan 3% dari volume global. Pada tahun 2020, volume informasi akan tumbuh menjadi 1600 exabyte, yang akan menjadi 4% dari informasi dunia.

India
Menurut EMC, jumlah akumulasi data di India pada tahun 2014 adalah 326 exabytes, yang merupakan 5% dari jumlah total informasi. Pada tahun 2020, volume informasi akan tumbuh menjadi 2800 exabyte, yang akan menjadi 6% dari informasi dunia.

Jepang
Jumlah akumulasi data di Jepang pada akhir tahun 2014 adalah 495 exabytes, yaitu 8% dari total jumlah informasi. Pada tahun 2020, volume informasi akan tumbuh menjadi 2200 exabyte, tetapi pangsa pasar Jepang akan berkurang dan akan berjumlah 5% dari jumlah total informasi di seluruh dunia.
Dengan demikian, volume pasar Jepang akan berkurang lebih dari 30%.

Jerman
Menurut EMC, jumlah akumulasi data di Jerman pada tahun 2014 adalah 230 exabyte, yang merupakan 4% dari jumlah total informasi di dunia. Pada tahun 2020, volume informasi akan tumbuh menjadi 1100 exabytes dan akan menjadi 2%.
Di pasar Jerman, sebagian besar pendapatan, menurut perkiraan Experton Group, akan dihasilkan oleh segmen layanan, yang pangsanya pada 2015 adalah 54%, dan pada 2019 akan meningkat menjadi 59%, pangsa perangkat lunak dan peralatan, sebaliknya, akan berkurang.

Secara umum, ukuran pasar akan tumbuh dari 1,345 miliar euro pada 2015 menjadi 3,198 miliar euro pada 2019, dengan tingkat pertumbuhan rata-rata 24%.
Dengan demikian, berdasarkan analisis CIO dan EMC, kita dapat menyimpulkan bahwa negara-negara berkembang di dunia akan menjadi pasar bagi pengembangan aktif teknologi Big Data di tahun-tahun mendatang.

Tren Pasar Utama

Menurut IDG Enterprise, pada tahun 2015 perusahaan Big Data akan menghabiskan rata-rata $7,4 juta per perusahaan, perusahaan besar berniat untuk menghabiskan sekitar $13,8 juta, dan perusahaan kecil dan menengah akan menghabiskan $1,6 juta. .
Sebagian besar investasi akan berada di bidang-bidang seperti analisis data, visualisasi, dan pengumpulan data.
Sesuai dengan tren dan permintaan pasar saat ini, investasi pada tahun 2015 akan digunakan untuk meningkatkan kualitas data, meningkatkan perencanaan dan peramalan, serta meningkatkan kecepatan pemrosesan data.
Perusahaan di sektor keuangan, menurut Bain Company's Insights Analysis, akan melakukan investasi yang signifikan, sehingga pada tahun 2015 direncanakan untuk menghabiskan 6,4 miliar dolar AS untuk teknologi Big Data, tingkat pertumbuhan investasi rata-rata akan menjadi 22% hingga 2020. Perusahaan internet berencana untuk menghabiskan $2,8 miliar, dengan tingkat pertumbuhan rata-rata peningkatan 26% dalam pengeluaran Big Data.
Dalam survei Economist Intelligence Unit, area prioritas pengembangan Big Data pada tahun 2014 dan dalam 3 tahun ke depan, distribusi jawabannya adalah sebagai berikut:

Menurut perkiraan IDC, tren pasar adalah sebagai berikut:

• Selama 5 tahun ke depan, biaya solusi Big Data berbasis cloud akan tumbuh 3 kali lebih cepat daripada biaya solusi lokal. Platform penyimpanan hybrid akan menjadi populer.
• Pertumbuhan aplikasi yang menggunakan analitik yang canggih dan prediktif, termasuk pembelajaran mesin, akan meningkat pada tahun 2015, pasar untuk aplikasi tersebut akan tumbuh 65% lebih cepat daripada aplikasi yang tidak menggunakan analitik prediktif.
• Analisis media akan meningkat tiga kali lipat pada tahun 2015 dan menjadi pendorong pertumbuhan utama untuk pasar teknologi Big Data.
• Tren untuk menerapkan solusi untuk menganalisis aliran informasi yang konstan yang dapat diterapkan ke Internet akan semakin cepat.
• Pada tahun 2018, 50% pengguna akan berinteraksi dengan layanan berbasis komputasi kognitif.

Penggerak dan Pembatas Pasar

Pakar IDC mengidentifikasi 3 pendorong pasar Big Data pada tahun 2015:

Menurut survei Accenture, masalah keamanan data sekarang menjadi penghalang utama dalam adopsi teknologi Big Data, lebih dari 51% responden menegaskan bahwa mereka khawatir tentang perlindungan data dan privasi. 47% perusahaan melaporkan ketidakmungkinan menerapkan Big Data karena anggaran yang terbatas, 41% perusahaan mengindikasikan kurangnya personel yang berkualitas sebagai masalah.

Wikibon memperkirakan bahwa pasar Big Data akan tumbuh menjadi $38,4 miliar pada tahun 2015, naik 36% dari tahun ke tahun. Pada tahun-tahun mendatang, akan terjadi penurunan tingkat pertumbuhan menjadi 10% pada tahun 2017. Dengan mempertimbangkan perkiraan ini, ukuran pasar pada tahun 2020 akan sama dengan 68,7 miliar dolar AS.

Distribusi pasar Big Data global berdasarkan kategori bisnis akan terlihat seperti ini:

Seperti yang Anda lihat dari diagram, sebagian besar pasar akan ditempati oleh teknologi dari bidang peningkatan layanan pelanggan. Spot marketing akan menjadi prioritas nomor dua bagi perusahaan hingga 2019, pada tahun 2020, menurut perkiraan Heavy Reading, akan memberi jalan bagi solusi untuk meningkatkan efisiensi operasional.
Segmen “meningkatkan layanan pelanggan” juga akan memiliki tingkat pertumbuhan tertinggi, dengan peningkatan 49% per tahun.
Prakiraan pasar untuk subtipe Big Data akan terlihat seperti ini:

Pangsa pasar yang dominan, seperti dapat dilihat dari diagram, ditempati oleh layanan profesional, aplikasi dengan analitik akan memiliki tingkat pertumbuhan tertinggi, pangsa mereka akan tumbuh dari saat ini 12% menjadi 18% pada tahun 2020 dan volume segmen ini akan sama dengan 12,3 miliar dolar AS, pangsa peralatan komputasi, sebaliknya, akan turun dari 20% menjadi 14% dan berjumlah sekitar 9,3 miliar dolar AS pada tahun 2020, pasar untuk teknologi cloud akan meningkat secara bertahap dan pada tahun 2020 akan mencapai 6,3 miliar dolar AS, pangsa pasar solusi untuk penyimpanan data, sebaliknya, akan turun dari 15% pada 2014 menjadi 13% pada 2020 dan dalam hal moneter akan sama dengan 8,9 miliar dolar AS.
Menurut perkiraan Analisis Wawasan Bain & Company, distribusi pasar Big Data menurut industri pada tahun 2020 akan terlihat seperti ini:

• Industri keuangan akan menghabiskan $6,4 miliar untuk Big Data dengan tingkat pertumbuhan rata-rata 22% per tahun;
• Perusahaan internet menghabiskan $2,8 miliar dan tingkat pertumbuhan biaya rata-rata 26% selama 5 tahun ke depan;
• Biaya sektor publik akan sepadan dengan biaya perusahaan Internet, tetapi tingkat pertumbuhannya akan lebih rendah - 22%;
• Sektor telekomunikasi akan tumbuh pada tingkat pertumbuhan rata-rata 40% dan mencapai $1,2 miliar pada tahun 2020;

Perusahaan energi akan berinvestasi dalam teknologi ini dalam jumlah yang relatif kecil - 800 juta dolar AS, tetapi tingkat pertumbuhannya akan menjadi salah satu yang tertinggi - 54% per tahun.
Dengan demikian, perusahaan di industri keuangan akan mengambil bagian besar dari pasar Big Data pada tahun 2020, dan energi akan menjadi sektor dengan pertumbuhan tercepat.
Mengikuti perkiraan analis, total volume pasar akan meningkat di tahun-tahun mendatang. Pertumbuhan pasar akan dipastikan dengan pengenalan teknologi Big Data di negara-negara berkembang di dunia, seperti yang dapat dilihat dari grafik di bawah ini.

Ukuran pasar yang diprediksi akan tergantung pada bagaimana negara berkembang memandang teknologi Big Data, apakah mereka akan sepopuler di negara maju. Pada tahun 2014, negara-negara berkembang di dunia menyumbang 40% dari akumulasi informasi. Menurut perkiraan EMC, struktur pasar saat ini, yang didominasi oleh negara-negara maju, akan berubah pada awal tahun 2017. Menurut analisis EMC, pada tahun 2020 pangsa negara berkembang akan lebih dari 60%.
Menurut Cisco dan EMC, negara-negara berkembang di dunia akan aktif bekerja dengan Big Data, dalam banyak hal hal ini akan disebabkan oleh ketersediaan teknologi dan akumulasi jumlah informasi yang cukup hingga ke level Big Data. Pada peta dunia yang ditunjukkan di halaman selanjutnya, akan menampilkan perkiraan pertumbuhan dan tingkat pertumbuhan Big Data menurut wilayah.

ANALISIS PASAR RUSIA

Kondisi saat ini pasar Rusia

Menurut hasil studi oleh CNews Analytics dan Oracle, tingkat kematangan pasar Big Data Rusia telah meningkat selama setahun terakhir. Responden yang mewakili 108 perusahaan besar dari industri yang berbeda menunjukkan tingkat kesadaran yang lebih tinggi terhadap teknologi ini, serta pemahaman yang mapan tentang potensi solusi semacam itu untuk bisnis mereka.
Pada 2014, menurut IDC, Rusia telah mengumpulkan 155 exabyte informasi, yang hanya 1,8% dari data dunia. Volume informasi pada tahun 2020 akan mencapai 980 exabytes dan akan menempati 2,2%. Dengan demikian, tingkat pertumbuhan rata-rata volume informasi akan menjadi 36% per tahun.
IDC memperkirakan pasar Rusia sebesar $ 340 juta, di mana $ 100 juta adalah solusi SAP, sekitar $ 240 juta adalah solusi serupa dari Oracle, IBM, SAS, Microsoft, dll.
Tingkat pertumbuhan pasar Big Data Rusia setidaknya 50% per tahun.
Diperkirakan bahwa dinamika positif di sektor pasar TI Rusia ini akan terus berlanjut, bahkan dalam konteks stagnasi ekonomi secara umum. Hal ini disebabkan oleh kenyataan bahwa bisnis terus menuntut solusi yang dapat meningkatkan efisiensi kerja, serta mengoptimalkan biaya, meningkatkan akurasi peramalan, dan meminimalkan kemungkinan risiko perusahaan.
Penyedia layanan utama di bidang Big Data di pasar Rusia adalah:

• Peramal
• Microsoft
• cloudera
• Hortonworks
• Teradata.

Tinjauan pasar berdasarkan industri dan pengalaman menggunakan Big Data di perusahaan

Menurut CNews, hanya 10% perusahaan di Rusia yang mulai menggunakan teknologi Big Data, sementara pangsa perusahaan semacam itu di dunia sekitar 30%. Kesiapan untuk proyek Big Data tumbuh di banyak sektor ekonomi Rusia, menurut laporan dari CNews Analytics dan Oracle. Lebih dari sepertiga perusahaan yang disurvei (37%) telah mulai bekerja dengan teknologi Big Data, di antaranya 20% sudah menggunakan solusi tersebut, dan 17% mulai bereksperimen dengannya. Sepertiga kedua responden saat ini sedang mempertimbangkan kemungkinan seperti itu.

Di Rusia, teknologi Big Data lebih populer di sektor perbankan dan telekomunikasi, tetapi juga diminati di industri pertambangan, energi, ritel, perusahaan logistik, dan sektor publik.
Selanjutnya, contoh penggunaan Big Data dalam realitas Rusia akan dipertimbangkan.

telekomunikasi
Operator telekomunikasi memiliki salah satu database terbesar, yang memungkinkan mereka untuk melakukan analisis paling mendalam dari akumulasi informasi.
Salah satu bidang penerapan teknologi Big Data adalah manajemen loyalitas pelanggan.
Tujuan utama dari analisis data adalah untuk mempertahankan pelanggan yang sudah ada dan menarik pelanggan baru. Untuk melakukan ini, perusahaan mengelompokkan pelanggan, menganalisis lalu lintas mereka, dan menentukan afiliasi sosial pelanggan. Selain menggunakan informasi untuk tujuan pemasaran, telekomunikasi menggunakan teknologi untuk mencegah penipuan transaksi keuangan.
Vimpelcom adalah salah satu contoh paling cemerlang dari industri ini. Perusahaan menggunakan Big Data untuk meningkatkan kualitas layanan di tingkat setiap pelanggan, pelaporan, analisis data untuk pengembangan jaringan, memerangi spam, dan layanan personalisasi.

Bank
Sebagian besar pengguna Big Data ditempati oleh spesialis dari industri keuangan. Salah satu eksperimen yang berhasil dilakukan di Bank Ural untuk Rekonstruksi dan Pembangunan, di mana basis informasi mulai digunakan untuk menganalisis pelanggan, bank mulai menawarkan penawaran pinjaman khusus, deposito dan layanan lainnya. Selama tahun penggunaan teknologi ini, portofolio pinjaman ritel perusahaan tumbuh sebesar 55%.
Alfa-Bank menganalisis informasi dari jejaring sosial, memproses aplikasi pinjaman, menganalisis perilaku pengguna situs web perusahaan.
Sberbank juga telah mulai memproses susunan data untuk mengelompokkan pelanggan, mencegah penipuan, menjual silang, dan mengelola risiko. Di masa depan, direncanakan untuk meningkatkan layanan dan menganalisis tindakan pelanggan secara real time.
Bank Pembangunan Regional All-Rusia menganalisis perilaku pemegang kartu plastik. Ini memungkinkan Anda untuk mengidentifikasi transaksi yang tidak biasa untuk klien tertentu, sehingga meningkatkan kemungkinan mendeteksi pencurian dana dari kartu plastik.

Eceran
Di Rusia, teknologi Big Data telah diterapkan oleh perusahaan perdagangan online dan offline. Saat ini, menurut CNews Analytics, Big Data digunakan oleh 20% pengecer. 75% profesional ritel menganggap Big Data diperlukan untuk mengembangkan strategi kompetitif untuk mempromosikan perusahaan. Menurut statistik Hadoop, setelah pengenalan teknologi Big Data, keuntungan dalam organisasi perdagangan tumbuh 7-10%.
Spesialis M.Video berbicara tentang peningkatan perencanaan logistik setelah implementasi SAP HANA, juga, sebagai hasil dari implementasinya, persiapan laporan tahunan berkurang dari 10 hari menjadi 3, kecepatan pemuatan data harian berkurang dari 3 jam sampai 30 menit.
Wikimart menggunakan teknologi ini untuk menghasilkan rekomendasi bagi pengunjung situs.
Salah satu toko offline pertama yang memperkenalkan analisis Big Data di Rusia adalah Lenta. Dengan bantuan Big Data, retail mulai mempelajari informasi tentang pelanggan dari penerimaan kas. Pengecer mengumpulkan informasi untuk membangun model perilaku yang memungkinkan pengambilan keputusan yang lebih tepat di tingkat operasional dan bisnis.

Industri minyak dan gas
Di industri ini, cakupan Big Data cukup luas. Teknologi Big Data dapat diterapkan dalam ekstraksi mineral dari usus. Dengan bantuan mereka, Anda dapat menganalisis proses penambangan itu sendiri dan cara paling efektif untuk mengekstraknya, melacak proses pengeboran, menganalisis kualitas bahan baku, serta pemrosesan dan pemasaran produk akhir. Di Rusia, teknologi ini sudah digunakan oleh Transneft dan Rosneft.

Badan negara
Di negara-negara seperti Jerman, Australia, Spanyol, Jepang, Brasil, dan Pakistan, teknologi Big Data digunakan untuk memecahkan masalah nasional. Teknologi ini membantu otoritas publik lebih efektif memberikan layanan kepada penduduk, memberikan dukungan sosial yang ditargetkan.
Di Rusia, teknologi ini mulai dikuasai oleh badan-badan negara seperti Dana Pensiun, Layanan Pajak Federal dan Dana Asuransi Kesehatan Wajib. Potensi untuk mengimplementasikan proyek menggunakan Big Data sangat besar; teknologi ini dapat membantu meningkatkan kualitas layanan, dan, sebagai hasilnya, standar hidup penduduk.

Logistik dan transportasi
Big Data juga dapat digunakan oleh perusahaan transportasi. Dengan bantuan teknologi Big Data, dimungkinkan untuk melacak armada mobil, memperhitungkan biaya bahan bakar, dan memantau permintaan pelanggan.
Russian Railways mengimplementasikan teknologi Big Data bersama dengan SAP. Teknologi ini membantu mengurangi waktu pelaporan hingga 43,5 kali (dari 14,5 jam menjadi 20 menit) dan meningkatkan akurasi alokasi biaya hingga 40 kali. Juga, Big Data diperkenalkan ke dalam proses perencanaan dan regulasi tarif. Secara total, perusahaan menggunakan lebih dari 300 sistem berdasarkan solusi SAP, 4 pusat data terlibat, dan jumlah pengguna adalah 220.000.

Penggerak dan kendala pasar utama

Penggerak untuk pengembangan teknologi Big Data di pasar Rusia adalah:

• Meningkatnya minat pengguna terhadap kemungkinan Big Data sebagai cara untuk meningkatkan daya saing perusahaan;
• Pengembangan metode untuk memproses file media di tingkat global;
• Transfer pemrosesan server informasi pribadi ke wilayah Rusia, sesuai dengan undang-undang yang diadopsi tentang penyimpanan dan pemrosesan data pribadi;
• Implementasi rencana industri untuk substitusi impor perangkat lunak. Rencana ini termasuk dukungan negara untuk produsen perangkat lunak dalam negeri, serta penyediaan preferensi untuk produk TI domestik saat membeli dengan biaya publik.
• Dalam situasi ekonomi baru, ketika dolar hampir dua kali lipat, akan ada kecenderungan peningkatan penggunaan layanan dari penyedia layanan cloud Rusia daripada yang asing.
• Penciptaan taman teknologi yang berkontribusi pada pengembangan pasar teknologi informasi, termasuk pasar Big Data;
• Program negara untuk pengenalan sistem grid, yang didasarkan pada teknologi Big Data.

Hambatan utama untuk pengembangan Big Data di pasar Rusia adalah:

• Menjamin keamanan dan kerahasiaan data;
• Kurangnya personel yang berkualitas;
• Ketidakcukupan akumulasi sumber informasi ke tingkat Big Data di sebagian besar perusahaan Rusia;
• Kesulitan dalam memperkenalkan teknologi baru ke dalam sistem informasi perusahaan yang sudah mapan;
• Tingginya biaya teknologi Big Data, yang menyebabkan terbatasnya jumlah perusahaan yang memiliki kesempatan untuk mengimplementasikan teknologi ini;
• Ketidakpastian politik dan ekonomi, yang menyebabkan arus keluar modal dan pembekuan proyek investasi di Rusia;
• Naiknya harga produk impor dan lonjakan inflasi, menurut IDC, menghambat perkembangan seluruh pasar TI.

Ramalan pasar Rusia

Sampai hari ini, pasar Big Data Rusia tidak sepopuler di negara maju. Sebagian besar perusahaan Rusia menunjukkan minatnya, tetapi tidak berani memanfaatkan peluang mereka.
Contoh perusahaan besar yang telah mendapat manfaat dari penggunaan teknologi Big Data adalah meningkatkan kesadaran akan kemungkinan teknologi ini.
Analis juga memiliki perkiraan yang cukup optimis untuk pasar Rusia. IDC percaya bahwa pangsa pasar Rusia akan meningkat selama 5 tahun ke depan, berbeda dengan pasar di Jerman dan Jepang.
Pada tahun 2020, volume Big Data di Rusia akan tumbuh dari 1,8% saat ini menjadi 2,2% dari volume data global. Jumlah informasi akan bertambah, menurut EMC, dari 155 exabyte saat ini menjadi 980 exabyte pada tahun 2020.
Saat ini, Rusia terus mengakumulasi volume informasi hingga ke level Big Data.
Menurut survei CNews Analytics, 44% perusahaan yang disurvei bekerja dengan data yang tidak lebih besar dari 100 terabyte*, dan hanya 13% yang bekerja dengan volume di atas 500 terabyte.

Namun demikian, pasar Rusia, mengikuti tren global, akan meningkat. Pada 2014, IDC memperkirakan ukuran pasar sebesar $340 juta.
Tingkat pertumbuhan pasar untuk tahun-tahun sebelumnya adalah 50% per tahun, jika tetap pada level yang sama, maka pada 2018 volume pasar akan mencapai 1,7 miliar dolar AS. Pangsa pasar Rusia di pasar dunia akan menjadi sekitar 3%, meningkat dari 1,2% saat ini.

Industri yang paling menerima penggunaan Big Data di Rusia meliputi:

• Ritel dan bank, bagi mereka, pertama-tama, penting untuk menganalisis basis pelanggan, mengevaluasi efek kampanye pemasaran;
• Telecom - segmentasi basis pelanggan dan monetisasi lalu lintas;
• Sektor publik - pelaporan, analisis aplikasi dari publik, dll.;
• Perusahaan minyak - pemantauan kerja dan perencanaan produksi dan pemasaran;
• Perusahaan energi - pembuatan sistem tenaga listrik cerdas, pemantauan operasional dan peramalan.

Di negara-negara maju, Big Data telah tersebar luas di bidang kesehatan, asuransi, metalurgi, perusahaan Internet dan perusahaan manufaktur, kemungkinan besar dalam waktu dekat, perusahaan Rusia dari bidang ini juga akan menghargai efek implementasi Big Data dan akan mengadaptasinya. teknologi di industri mereka.
Di Rusia, serta di dunia, dalam waktu dekat akan ada tren visualisasi data, analisis file media, dan pengembangan Internet of things.
Terlepas dari stagnasi ekonomi secara umum, di tahun-tahun mendatang, para analis memperkirakan pertumbuhan lebih lanjut di pasar Big Data, terutama karena fakta bahwa penggunaan teknologi Big Data memberi penggunanya keunggulan kompetitif dalam hal meningkatkan efisiensi operasional perusahaan. bisnis, menarik aliran pelanggan tambahan, meminimalkan risiko dan penerapan teknologi peramalan data.
Dengan demikian, kita dapat menyimpulkan bahwa segmen Big Data di Rusia sedang dalam tahap pembentukan, tetapi permintaan untuk teknologi ini meningkat setiap tahun.

Hasil utama dari analisis pasar

Pasar dunia

Pada akhir 2014, pasar Big Data ditandai dengan parameter berikut:

• volume pasar sebesar 28,5 miliar dolar AS, meningkat 45% dibandingkan tahun sebelumnya;
• sebagian besar pendapatan pasar Big Data terdiri dari layanan, bagiannya sama dengan 40% dari total pendapatan;
• 36% pendapatan berasal dari aplikasi dan analitik Big Data, 17% dari perangkat keras komputasi dan 15% dari teknologi penyimpanan;
• Platform dalam memori perusahaan seperti SAP, HANA dan Oracle adalah yang paling populer untuk memecahkan masalah Big Data.
• jumlah perusahaan dengan proyek yang dilaksanakan di bidang manajemen Big Data meningkat sebesar 125%;

Perkiraan pasar untuk tahun-tahun mendatang adalah sebagai berikut:

• pada 2015 volume pasar akan mencapai 38,4 miliar dolar AS, pada 2020 - 68,7 miliar dolar AS;
• tingkat pertumbuhan rata-rata akan menjadi 16% per tahun;
• pengeluaran perusahaan rata-rata untuk teknologi Big Data akan menjadi $13,8 juta untuk perusahaan besar dan $1,6 juta untuk usaha kecil dan menengah;
• teknologi akan memiliki prevalensi terbesar di bidang layanan pelanggan dan pemasaran yang ditargetkan;
• Pada tahun 2017, struktur pasar global akan berubah menuju dominasi perusahaan pengguna dari negara berkembang.

pasar Rusia

Pasar Big Data Rusia sedang dalam tahap pembentukan, hasil tahun 2014 adalah sebagai berikut:

• volume pasar mencapai 340 juta dollar AS;
• tingkat pertumbuhan pasar rata-rata pada tahun-tahun sebelumnya adalah 50% per tahun;
• jumlah total akumulasi informasi adalah 155 exabytes;
• 10% perusahaan Rusia sudah mulai menggunakan teknologi Big Data;
• Teknologi Big Data lebih populer di sektor perbankan, telekomunikasi, perusahaan Internet, dan ritel.

Perkiraan untuk pasar Rusia untuk tahun-tahun mendatang adalah sebagai berikut:

• volume pasar Rusia pada 2015 akan mencapai 500 juta dolar AS, dan pada 2018 - 1,7 miliar dolar AS;
• pangsa pasar Rusia di pasar dunia akan menjadi sekitar 3% pada 2018;
• jumlah akumulasi data pada tahun 2020 akan menjadi 980 exabyte;
• data akan tumbuh menjadi 2,2% dari data global pada tahun 2020;
• teknologi visualisasi data, analisis file media dan Internet hal akan mendapatkan popularitas terbesar.

Berdasarkan hasil analisis, kami dapat menyimpulkan bahwa pasar Big Data masih dalam tahap awal pengembangan, dan dalam waktu dekat kami akan mengamati pertumbuhan dan perluasan kemampuan teknologi ini.

Terima kasih telah meluangkan waktu untuk membaca karya besar ini, berlangganan blog kami - kami menjanjikan banyak publikasi baru yang menarik!

Selama bertahun-tahun, ibu kota telah diprediksi akan mengalami keruntuhan transportasi karena pesatnya pertumbuhan jumlah mobil di jalan-jalannya. Namun, sistem transportasi cerdas yang diperkenalkan di kota dalam beberapa tahun terakhir tidak memungkinkan ramalan ini menjadi kenyataan. Tentang bagaimana mereka memerintah di ibukota lalu lintas jalan, kata Alexander Polyakov, direktur Research and Design Institute of Urban Transport di Moskow (GUP MosgortransNIIproekt), yang sejak 2013 bertanggung jawab mengembangkan analisis transportasi, membangun sistem Informasi dan pengembangan program terintegrasi pengembangan infrastruktur transportasi, berada di posisi Wakil Kepala Pusat Manajemen Lalu Lintas Pemerintah Moskow. Pada forum BIG DATA 2017 yang diadakan oleh penerbit " sistem terbuka» Pada tanggal 29 Maret, dia berbicara tentang bagaimana kompleks transportasi Moskow menggunakan Big Data untuk mengembangkan sistem transportasi cerdas, bagaimana sistem kontrol lalu lintas dibuat berdasarkan mereka, dan bagaimana alat virtual dan augmented reality dapat digunakan untuk memecahkan masalah kita.

- Kapan "digitalisasi" transportasi Moskow dimulai?

Semuanya dimulai dengan resolusi tentang pengembangan sistem transportasi cerdas di kota, yang disetujui oleh Pemerintah Moskow pada 11 Januari 2011.

Sejak itu, Departemen Perhubungan telah bekerja pada pengembangan infrastruktur transportasi, dengan menggunakan sistem informasi modern.

Dalam kerangka proyek, pada tahun 2014, pusat situasional TsODD dibuat, spesialis yang bertanggung jawab untuk mengatur lalu lintas dan semua sistem yang terlibat dalam pekerjaan pusat ini, termasuk yang memungkinkan pengontrolan lampu lalu lintas dan kamera TV , pemantauan kondisi lalu lintas, menginformasikan pengguna jalan secara visual, rekaman foto dan video pelanggaran pengelolaan angkutan penumpang darat perkotaan.

- Proyek negara mana yang diambil sebagai sampel?

Pengalaman negara-negara Eropa, khususnya Spanyol dan Jerman, diperhitungkan, pengalaman Singapura, Hong Kong, dan sejumlah kota AS juga diperhitungkan. Tetapi pada saat yang sama, kami memahami bahwa setiap kota itu unik, sehingga infrastruktur transportasi Moskow berkembang sesuai dengan skenarionya sendiri, belum lagi beban di jalanan. Sekarang, katakanlah, 683.000 mobil melaju di sekitar Moskow.

- Bagaimana pengaturan situasi lalu lintas di ibukota sekarang?

Dalam beberapa tahun terakhir, dalam kerangka kompleks transportasi Moskow, sejumlah sistem TI telah dibuat untuk menyelesaikan berbagai masalah di bidang ini, termasuk menggunakan Big Data.

Model transportasi statis, yang dibangun pada tahun 2013, memungkinkan untuk memprediksi situasi untuk jangka panjang, dengan mempertimbangkan berbagai pilihan perubahan kondisi jalan. Dengan bantuannya, dimungkinkan untuk menghitung skenario pada skala kota, apakah itu penutupan lalu lintas jangka panjang atau commissioning jalan layang baru.

Model ini, antara lain, memperhitungkan data penduduk yang diberikan kepada kami berbagai layanan: tentang jumlah orang, usia, jenis kelamin, status sosial, berapa banyak yang bekerja, berapa banyak yang tidak bekerja, dll. Moskow dibagi menjadi apa yang disebut area transportasi, dan kami menganalisis ke mana penduduk setiap area tersebut pergi, kenapa, jam berapa.

Berkat data yang diperoleh, kami menganalisis matriks korespondensi - totalitas semua "pertukaran" lalu lintas antar area. Misalnya, jika ada 600 anak prasekolah dan 500 tempat di taman kanak-kanak di suatu distrik, maka jelas bahwa seratus anak akan dibawa ke distrik lain di pagi hari. Untuk memperjelas gambaran keseluruhan tentang apa yang terjadi, kami melakukan survei untuk membantu memahami jenis transportasi apa dan dalam kasus apa orang memilih: kapan - mobil pribadi, kapan - transportasi umum. Selain itu, kita perlu memprediksi bagaimana preferensi transportasi masyarakat akan dipengaruhi oleh perubahan tertentu dalam perencanaan kota atau organisasi lalu lintas, apa yang akan menjadi akibat dari pemblokiran jalan selama konstruksi atau, sebaliknya, pembukaan yang baru.

Kami memantau situasi saat ini menggunakan model lalu lintas dinamis, yang memberikan gambaran lengkap tentang lalu lintas Moskow secara real time dan memungkinkan kami untuk menanggapi masalah yang muncul. Untuk melakukan ini, DTM mengumpulkan data yang diterima dari sensor GLONASS yang dipasang di transportasi umum, kamera perekam foto dan video, detektor transportasi - sensor radar yang membaca intensitas lalu lintas, kecepatan kendaraan, dan sejumlah parameter lainnya.

DTM memungkinkan Anda untuk mengontrol lampu lalu lintas, menganalisis area masalah, misalnya, mendeteksi pusat kecelakaan, tempat kemacetan lalu lintas terjadi sepanjang waktu; mengidentifikasi hambatan dalam pergerakan angkutan penumpang dan menghilangkannya; untuk memantau pengoperasian kompleks seluler untuk perekaman foto dan video (yang disebut parkon yang memperbaiki pelanggaran), untuk menilai permintaan transportasi berdasarkan matriks korespondensi harian.

Dibuat berdasarkan DTM peta interaktif lalu lintas di Moskow, yang menampilkan informasi waktu nyata tentang kemacetan lalu lintas di titik, jumlah kecelakaan, kendaraan saat ini dan per hari, transportasi penumpang perkotaan darat, jumlah pelanggaran lalu lintas yang direkam oleh kamera.

Pada tahun 2015, berdasarkan model dinamis, spesialis TsODD menciptakan sistem realitas virtual dan augmented yang mensimulasikan penerbangan di atas kota dan menyediakan data tentang situasi lalu lintas secara online. Berkat sistem ini, Anda sudah dapat melihat kemacetan lalu lintas yang dihasilkan dengan menghubungkan ke kamera yang menunjukkan gambar tiga dimensi nyata dari area ini, yang memungkinkan Anda untuk lebih memahami situasinya.

Bagi warga, peta ini menyediakan berbagai informasi (teks, foto, dan video) tentang benda-benda bersejarah, budaya, dan sosial yang signifikan, pada dasarnya augmented reality.

- Melalui saluran apa Anda memberi tahu warga tentang situasi lalu lintas?

Data yang diterima dari DTM disiarkan secara real time oleh sejumlah stasiun radio, Telegram utusan, tanda-tanda jalan. Saluran TV Moskow 24 dan portal Internetnya m24.ru menunjukkan peta situasi saat ini di jalan-jalan kota.

Informasi tersebut juga merupakan sarana untuk mengatur arus lalu lintas. Orang-orang Moskow melihat seperti apa situasi di jalan-jalan yang mereka minati, memilih rute jalan memutar, mempertimbangkan kemungkinan bepergian dengan moda transportasi lain, misalnya, perubahan dari pribadi ke umum.

- Apakah ada indikator numerik tentang efektivitas pekerjaan Anda?

Skema manajemen lalu lintas komprehensif yang dirancang untuk mengoptimalkan pengelolaan lalu lintas di jalan-jalan kota, serta meningkatkan throughputnya, mulai dioperasikan pada tahun 2015. Dan sudah di tahun pertama kami berhasil mencapai hasil yang cukup besar.

Saya akan memberi Anda beberapa angka. Sekarang ada 4,6 juta mobil terdaftar di kota, dan tingkat kecelakaan, menurut polisi lalu lintas, adalah yang terendah dalam sepuluh tahun terakhir. Pada 2016, dibandingkan dengan 2010, jumlah kecelakaan menurun 45%, dan jumlah kematian - 56%. Di bagian tengah kota, di dalam Lingkar Transportasi Ketiga, kecepatan rata-rata kendaraan individu meningkat sebesar 11%, dan transportasi penumpang - sebesar 7%. Pada jalur khusus yang diperkenalkan pada tahun 2016, lalu lintas penumpang meningkat rata-rata 11%. Waktu kedatangan rata-rata ambulans telah berkurang dari 21 menit menjadi 8, hampir tiga kali lipat, karena fakta bahwa jalur angkutan umum telah muncul, dan bus dan bus troli dapat memberi jalan kepada ambulans, setelah masuk ke kantong di halte.

Jika dibandingkan periode yang lebih dekat, maka pada tahun 2016 dibandingkan dengan tahun 2015, jumlah kecelakaan dengan kerusakan material mengalami penurunan sebesar 18%, jumlah kecelakaan dengan korban menurun sebesar 12%, dan jumlah tabrakan pejalan kaki menurun sebesar 14%.

- Atas dasar keputusan siapa pengembangan TsODD dibangun?

Kami mengambil perkembangan Barat terbaik. Misalnya, sistem kontrol lampu lalu lintas saat ini dibuat berdasarkan solusi Spanyol, model transportasi statis dibangun di atas platform Jerman. Tetapi solusi yang menggabungkan semua perkembangan ini adalah domestik. Semua sistem ini diintegrasikan oleh spesialis kami.

Berdasarkan akumulasi pengalaman, kami menciptakan solusi untuk mengelola situasi lalu lintas untuk kota-kota lain, baik di negara kami maupun di luar negeri. Misalnya - untuk Teheran.

- Apakah kita hanya mengejar atau sudah di depan negara lain dalam beberapa hal?

Kami sedang menuju model manajemen baru. Tahun lalu atas dasar sistem otomatis kontrol lalu lintas, proyek percontohan diluncurkan untuk mengontrol lampu lalu lintas secara otomatis. Sekarang sistem beroperasi di jalan raya Altufievskoye dan Varshavskoye, serta di Andropov Avenue, di mana, berdasarkan data DTM tentang kemacetan jalan raya, mode pengoperasian lampu lalu lintas diubah secara otomatis. Ini tidak terjadi di kota lain di dunia. Misalnya, bahkan dalam sistem manajemen transportasi London Transport for London, mode pengoperasian lampu lalu lintas diterima oleh operator.

Sekarang kami menetapkan tugas untuk memperluas pengoperasian sistem ini ke jalan raya lainnya. Kesulitannya terletak pada kenyataan bahwa semua jalan saling berhubungan, dan perlu, sementara "membersihkan" beberapa, untuk tidak menghentikan lalu lintas pada yang lain dengan ketat.

- Proyek baru apa yang direncanakan?

Kita akan lanjutkan pengembangan lebih lanjut sistem peramalan kecelakaan lalu lintas. Untuk melakukan prakiraan, ia terus-menerus menganalisis kondisi cuaca, karakteristik ruas jalan yang bermasalah (konfigurasi kemacetan, tingkat pengurangannya lebar pita), indikator arus lalu lintas (skor rata-rata kemacetan lalu lintas di kota dan di ruas jalan, kecepatan arus di ruas jalan, dll.).

Kita harus siap menghadapi masa depan kendaraan tanpa pengemudi. Di navigatornya, informasi sudah dimuat, misalnya, tentang batas kecepatan di bagian tertentu, dan mobil akan secara mandiri memilih mode kecepatan aman.

Perspektif jangka panjang harus mencakup pengembangan sistem transportasi umum, yang harus menjadi alternatif yang menarik mobil pribadi. Antara lain, infrastruktur transportasi yang berkembang merupakan faktor ekonomi penting yang berkontribusi terhadap persaingan kota dalam menarik wisatawan, pengusaha, dll.

Mereka akan membantu membongkar jalan dan sistem augmented reality. Jika dimungkinkan untuk tidak pergi ke konferensi, tetapi untuk menonton video 360 ° dari tempat kerja atau bahkan mengambil bagian di dalamnya, dan tidak melalui kacamata khusus, tetapi di layar ponsel cerdas, maka banyak yang akan lebih memilih opsi ini.

Transportasi Moskow dan manajemen lalu lintas dalam jumlah

Lebih dari 100 server dipasang di pusat pemrosesan data, yang terletak di bawah gedung pusat situasional dari pusat data, yang menyimpan total sekitar 2 PB data. Beberapa informasi terus diperbarui - misalnya, data yang diterima dari kamera disimpan di server selama tujuh hari. Karena pertumbuhan aliran data yang konstan, direncanakan untuk meningkatkan kapasitas server secara signifikan.

Pada pagi hari kerja biasa, sekitar 700.000 mobil berangkat ke "arteri transportasi" utama Moskow.

Pada jam sibuk, 71% lalu lintas penumpang jatuh pada angkutan umum, itulah sebabnya Departemen Perhubungan mengutamakan kepentingan mereka.

Kamera perekam video mengenali hingga 22 jenis pelanggaran - di antaranya mengemudi di sisi jalan atau jalur khusus, berbelok dari baris kedua, mengemudi ke persimpangan yang ramai, tidak mengizinkan pejalan kaki lewat, melewati truk tanpa izin, dll Mereka mengirimkan informasi tentang 100 ribu polisi lalu lintas ke polisi lalu lintas per hari pelanggaran (nilai bulat).

Ada konsep "transportasi siang" dan "transportasi tengah malam". Di Moskow, mereka digeser - "siang" berlangsung dari pukul 14:00 hingga 15:00, dan "tengah malam" datang pada pukul 3 pagi.

Pembicara: Philip Katz

Pewawancara: Alexey Karlinsky

Sering kali kita memercayai janji-janji fiksi ilmiah tentang masa depan yang luar biasa, dan setiap kali harapan kita dihancurkan oleh hadiah yang membosankan. Kita masih hidup di bumi dan mobil kita tidak terbang di udara. "Kami tertipu lagi!" - kami berpikir, dan di balik semua fantasi ini kami sekali lagi melewatkan momen ketika masa depan benar-benar datang.

Kali ini terjadi dengan munculnya Big Data. Kita dapat mengabaikannya, tetapi kita tidak dapat lagi menyangkal dampaknya terhadap kehidupan kita. Phillip Katz, seorang arsitek dan spesialis Big Data, menceritakan bagaimana Big Data secara diam-diam mengubah kota kita dan cara kita hidup di dalamnya.

Seorang spesialis multidisiplin, seorang arsitek oleh pendidikan, Philip adalah spesialis Big Data. Lulusan Universitas Arsitektur Kazan, Institut Media, Arsitektur dan Desain Strelka, salah satu pendiri proyek Branch Point. Dia mengajar di Universitas Riset Nasional Teknologi Informasi, Mekanika dan Optik St. Petersburg dan terlibat dalam analisis data untuk Rambler&Co.

menutup

Philip, tolong beri tahu kami bagaimana teknologi Big Data digunakan dalam desain arsitektur dan perencanaan kota saat ini?

Mari kita mulai dengan fakta bahwa empat tahun lalu, ketika saya belajar di Strelka, di Rusia, setidaknya, tidak ada yang tahu tentang Big Data. Dunia hanya membicarakan mereka. Setahun kemudian, di Rusia, semua orang tahu tentang mereka dan pernah sakit dengan mereka. Tampaknya bagi saya bahwa ini sebagian besar merupakan dinamika tradisional - ketika teknologi baru naik ke alas, dipuji, dan kemudian dengan cepat skeptisisme muncul terhadapnya. Teknologi terlempar dari alasnya, dan setelah itu mereka berintegrasi ke dalam masyarakat dalam mode yang lebih santai.

Jika kita berbicara tentang analitik perencanaan arsitektur atau kota, maka menurut saya hari ini adalah semacam kompromi antara teknologi modern dan analisis tradisional. Misalnya, setahun yang lalu saya membantu teman saya mengikuti kompetisi arsitektur untuk mahasiswa di Amerika Serikat. Bagi mereka, pengelola kota menyediakan file GIS dengan cukup deskripsi yang bagus data: rute transportasi, volume rute ini, di mana genangan air muncul setiap tahun, di mana banjir setiap lima tahun, di mana ada blok dengan tingkat pajak yang tinggi, di mana ada blok dengan persentase kulit hitam yang tinggi. Di Amerika Serikat, detail statistiknya tinggi dan datanya dirangkum dengan cukup baik, sehingga bahkan pada tingkat proyek kompetisi, kita bisa mendapatkan beberapa hal yang sudah jadi. Mereka tidak harus dikumpulkan atau dianalisis.

Sebagian besar analitik yang paling berguna, menurut saya, bermuara pada fakta bahwa Anda mengambil beberapa data sebagai fakta dan desain berdasarkan itu. Dan meskipun datanya mungkin sama untuk semua orang, mereka masih dibaca dan dipahami dengan cara yang sangat berbeda.

Google mengklaim bahwa mobil self-driving mereka dapat mengurangi jumlah kecelakaan mobil dan membantu menggunakan bahan bakar dan ruang di jalan dengan lebih efisien / foto: Google.com

Bagaimana Anda menggunakan teknologi Big Data dalam praktik Anda?

Untuk waktu yang lama kami melakukan proyek "Titik Cabang" dengan rekan-rekan saya Edik Khaiman dan Sasha Boldyreva - kami mencoba entah bagaimana mendiskusikan dan mengembangkan desain digital dan, tentu saja, kemudian impian dan tujuan akhir kami yang didalilkan bersama adalah desain berdasarkan parameter. Pada saat yang sama, impian utama kami adalah menemukan solusi formal baru berdasarkan beberapa kode rumit yang akan memenuhi persyaratan kami, tetapi bentuk hasilnya bukanlah yang kami tetapkan, tetapi beberapa yang tak terduga - indah .

Analytics adalah sejenis seni, di mana dalam setiap kasus algoritme untuk bekerja dengan data adalah gambar

Di usia proyek yang matang, kita semua mengerti bahwa mimpi ini tidak hanya tidak mungkin tercapai, tetapi gagasan bahwa sebuah bangunan harus sepenuhnya dirancang berdasarkan data saja masih kontroversial. Ini lebih merupakan sesuatu yang harus diperjuangkan, tetapi pahamilah bahwa Anda tidak akan pernah sampai di sana.

Di sini muncul momen dialektika yang penting bagi saya. Misalkan kita membuat algoritma dan memahami bahwa, pertama-tama, karena persyaratan genetik, itu memerlukan parameter yang cukup sederhana, tetapi masih formal. Dan dalam sistem yang kompleks, dan bangunan atau distrik adalah sistem yang kompleks, banyak parameter seperti itu segera muncul yang perlu dibawa ke penyebut yang sama. Anda selalu membutuhkan isyarat formal utama, beberapa bentuk: silinder atau paralelepiped, piramida, dan sebagainya.

Jika kita melihat karya Zaha Hadid, maka selalu ada sikap formal yang elegan di jantung proyek ini. Itu kemudian dapat dimodifikasi secara digital, tetapi selalu menjadi inti dari segalanya dan menjadi milik penulisnya. Algoritme genetika kemudian dapat memilih yang terbaik dari opsi yang dihasilkan, tetapi tidak akan pernah dapat menciptakannya.

Artinya, di jantung desain akan selalu menjadi kehendak manusia. Bagaimana, dalam hal ini, tingkat keterlibatan manusia dalam desain akan berubah seiring dengan perkembangan Big Data?

Di masa depan, saya melihat semacam mesin analitik - besar dan kompleks komputer kuantum, misalnya, atau telepatis dan parapsikolog, tenggelam dalam ruang perampasan, yang memprediksi sesuatu atau menyarankan sesuatu yang layak diperhatikan.

Saya pikir seseorang tidak akan pernah diperas dari proses. Semua hal ini (metode analisis Big Data) disebut algoritme bantuan keputusan, dan esensinya bermuara pada penarikan anomali dalam dinamika proses seefisien mungkin dan meminimalkan persentase tenaga teknis per orang. Seorang analis harus menjadi ahli dalam bekerja dengan mereka, dan algoritme dapat memberikan segalanya untuknya, kecuali, pada kenyataannya, solusinya. Tentu saja, ada ambang teknis untuk memasuki disiplin ini, tetapi analitik itu sendiri adalah bentuk seni, di mana algoritme untuk bekerja dengan data adalah gambar. Hasil karya.

Drone yang dilengkapi dengan kamera dapat secara mandiri berpatroli di area tertentu dan mentransfer gambar ke pusat informasi secara real time / foto: Kevin Baird / Flickr.com

Big Data tidak dapat mencakup semua informasi. Bagaimana cara menangani apa yang tidak diperhitungkan saat menganalisis Big Data?

Memang, analis sering dikritik karena hanya menggambarkan mereka yang terhubung ke Internet, dan mereka yang tidak terhubung ke Internet tersingkir dari analisis. Ini sepenuhnya benar, tetapi ia memiliki logika pertahanannya sendiri. Berbicara sinis, jika kita tidak tahu masalah nenek yang malu menulis di Internet karena tidak terbiasa, maka kita bisa mengabaikan masalah dia, hanya karena jika kita menggunakan pendekatan ini, maka baik nenek atau dia cucu akan mendukungnya, akhirnya menulis.

Masalah lain terletak pada kenyataan bahwa teknologi apa pun untuk mengumpulkan atau menyimpan data selalu merupakan faktor kesalahan pertama. Pada saat yang sama, pada prinsipnya tidak mungkin untuk melacak semua multifaktorial - mengapa orang bermain dengan cara ini dan bukan sebaliknya. Pada awalnya, Big Data tidak memberikan jawaban. Mereka memungkinkan Anda untuk mengajukan pertanyaan serius.

Bagaimana kesempatan untuk mengajukan pertanyaan dengan cara baru mengubah persepsi kita tentang kota?

Edward Hyman pernah menciptakan istilah "plagopolis". Idenya adalah bahwa kota modern menjadi semakin proaktif dan dinamis. Hari ini adalah semacam lingkungan dengan aliran, gerakannya sendiri, di mana cairan yang meluap di dalam bejana mengatur dirinya sendiri sepanjang waktu. Pada saat yang sama, Anda hanya dapat mengambil satu poin dan memperbaikinya dengan sangat kondisional. Itu akan langsung mengubah dirinya sendiri dan mengubah titik lain di sekitarnya. Bagi saya, ide ini adalah hal yang cukup praktis untuk dikerjakan. Sekarang menjadi jelas bahwa kita tidak bisa lagi melihat kota sebagai sesuatu yang mekanis.

Apakah ide ini diterima dalam perencanaan kota Rusia?

Pada tingkat perencanaan kota dalam pengertian Rusia ini, ini tidak jelas. Dengan satu atau lain cara, kami mulai dengan menggambar jalan, jalan, dan kami percaya bahwa ini akan menjadi kasus pada akhirnya. Paling-paling, kita mulai berpikir bahwa kita harus memeriksa bagaimana melakukannya dengan benar, dan kemudian itu akan menjadi cara kita menggambar, atau orang itu sendiri akan mengulang semuanya nanti.

Big Data tidak memberikan jawaban. Mereka memungkinkan Anda untuk mengajukan pertanyaan serius.

Secara umum, tuduhan berdasarkan stereotip dan ide-ide abstrak sangat mengganggu hari ini. Terlebih lagi, arsitek dan perencana kota, pertama-tama, membuatku gila. Mereka hanya mengatakan bahwa "pejalan kaki lebih baik daripada pengendara mobil" atau bahwa "bisnis kreatif akan mengubah kawasan industri menjadi surga di bumi." Saya ingin memiliki perhitungan dasar di balik semua hal ini, karena mungkin begitu, tetapi mungkin tidak demikian, dan dalam banyak kasus entah bagaimana salah.

Lalu bagaimana Big Data dapat membantu kita lebih memahami kota?

Kota ini selalu menjadi gajah dari dongeng tentang orang buta, yang mencoba menggambarkannya dengan sentuhan. Kami selalu bekerja dengan cara yang sama - seseorang meraih pantat, seseorang dengan telinga, seseorang dengan bagasi. Dan semua orang pada saat yang sama mengatakan bahwa dia melihat seekor gajah. Dalam kasus kami, kami semua juga percaya bahwa kami melihat dan tahu apa itu kota.

Big Data melindungi kita dari menyentuh hanya di satu tempat, memberi kita kesempatan untuk secara kasar membayangkan bentuk umum gajah dan memahami bahwa kita menyentuh kira-kira tempat ini, tetapi ada yang lain. Saya mendapatkan laporan besar tentang kota dan saya selalu dapat memasukkan sepuluh baris data tertentu, melihat dan bertanya: mengapa demikian? Biasanya ini menjadi awal untuk semacam penyelidikan, penelitian, sejarah.

Data GIS yang dikombinasikan dengan algoritma pemodelan spasial membantu memprediksi tingkat isolasi di area / foto yang dipilih: Trevor Patt / Flickr.com

Apakah refleksi ini terinspirasi oleh Big Data entah bagaimana diungkapkan dalam proyek nyata nanti?

Ada yang disebut metode "akupunktur perkotaan". Esensinya terletak pada kenyataan bahwa simpul nyeri dicari di kota, dan di simpul kecil ini - di ruang maksimum satu blok, dan lebih disukai di satu bangunan, atau bahkan di beberapa area kecil di antara bangunan - semacam perubahan terbuat. Karena ukuran anggaran, itu benar-benar mikroskopis, dan perubahan untuk kota secara keseluruhan, jika simpul-simpul ini dihitung dengan benar, sangat besar.

Meskipun "Akupunktur perkotaan" hari ini agak proyek spekulatif, sekarang sudah ada yang pintar solusi spasial, dengan lampu lalu lintas di sistem terpadu, Misalnya. Mereka, ditambah dengan jalan cerdas, memungkinkan Anda untuk mengubah ruang, dan ini dapat memberikan knalpot yang tidak terduga. Bahkan saat ini, robotisasi industri sedang berlangsung, dan ini juga menambah nilai. Jika sekarangdroneakan mulai mengangkut barang, lalu logistik perkotaansmerdzhitsya (dari bahasa Inggris untuk menggabungkan — "menggabungkan"— A.K.)- dan ada angka, dan ini angka. Pasti akan jauh lebih mudah untuk bekerja dengan ini daripada dengan pengemudi truk langsung.

Teknologi yang saat ini saya terinspirasi, dan saya berharap sesuatu arsitektur akan keluar darinya, adalah proyek baru Amazon di mana ada speaker pintar di tengah rumah yang mendengarkan semua pertanyaan Anda dan menjawabnya. Jenis seperti Siri, hanya di rumah. Teknologi ini kemungkinan akan mengubah kesan ruang kota lebih dari algoritma apa pun.

Jadi kota akan semakin bergantung pada perangkat lunak?

Tepat. Sekarang I / O dan berbagai antarmuka untuk memperoleh informasi oleh seseorang banyak berubah secara institusional. Dari sudut pandang saya, layanan untuk memanggil taksi murah mengubah hidup saya lebih dari 90 persen keputusan perencanaan kota. Taksi banyak mengubah persepsi saya tentang kota. Terlepas dari semua pengalaman sebelumnya, dengan munculnya Yandex. Taksi dan persaingan layanan taksi ternyata sopir taksi kami sopan, dan uangnya spesifik, dan mereka bereaksi dengan cepat - sama sekali tidak seperti di New York mana pun.

Layanan taksi murah mengubah hidup saya lebih dari 90 persen keputusan perencanaan kota

menurut saya paling layanan penting Salah satu yang bisa meraup untung besar dari uberifikasi adalah prostitusi. Pengguna hipotetis pemalu, dan mungkin itu sebabnya banyak orang tidak menggunakan layanan pelacur - bagi mereka tampaknya sesuatu yang berbahaya, menakutkan, dan tidak dapat dipahami. Duduk di telepon mereka - itu pasti akan jauh lebih mudah bagi mereka. Tentu saja, ini akan segera mengambil roti dari mucikari dan benar-benar mengubah bisnis. Hanya kolosal! Saya pikir ini akan segera terjadi di beberapa negara liberal.

Apakah menurut Anda orang-orang akan dapat bekerja dengan teknologi Big Data secara pribadi di masa depan?

Saya pikir itu semua mengarah ke ini. Kompleksitas teknologi akan meningkat, dan ini dapat dimengerti, tetapi dalam praktiknya, kita akan belajar cara mengemasnya dengan benar. Antarmuka yang apik(dari bahasa Inggris ramping— kurus, anggun— A.K.)hari ini, sampai batas tertentu, menyederhanakan persepsi kita tentang bagaimana segala sesuatu terjadi. Ini tombol, ini pipka, dan hanya itu. Hari ini, semakin Anda dapat bersembunyi dari orang biasa tanpa kehilangan fungsi, semakin baik, karena orang-orang sedikit terintimidasi oleh semua kerumitan ini. Meskipun teknologi yang dikenal, seperti dalam Minority Report, tidak muncul, tetapi secara sensual film ini sangat tepat menggambarkan apa yang akan terjadi sekarang.

Akan apa? Menurut Anda, apa yang akan dihadapi big data dalam waktu dekat?

Mereka muncul sebagai semacam topik modis dan sekarang perlahan memudar, karena hal-hal yang paling jelas telah dilakukan. Lebih jauh, akan perlu untuk menyusun mekanisme teknis dalam metodologi - bukan dalam bentuk romantis, tetapi dalam bentuk utilitarian. Dalam lima tahun, saya yakin akan ada posisi analis digital yang dibayar cukup baik dan mungkin agak membosankan di kantor walikota, di kementerian dan bisnis.

Pada saat yang sama, Big Data memiliki penyakit tertentu. Ada orang yang mengerti apa yang mereka lakukan, dan ada orang yang memakannya, yang tidak begitu mengerti cara kerja Big Data. Sebuah lubang antara teknolog profesional dan orang-orang yang mengerti mengapa semua ini bisa terjadi selalu ada dalam bisnis apa pun, dalam sains apa pun, dan ini, tentu saja, adalah masalah tertentu. Orang yang mengetahui sisi teknologi dan bereksperimen dengan solusi baru jarang melakukan hal yang benar-benar berguna, dan orang yang tahu bagaimana menerapkan perkembangan ini juga tidak dapat menciptakan produk yang berkualitas sendirian. Oleh karena itu, satu-satunya cara untuk berkembang saat bekerja dengan Big Data adalah dengan menemukan cara interaksi baru antar spesialis.

Di Bashkiria, untuk pertama kalinya, "data besar" digunakan dalam analisis arus wisatawan. Komite Negara untuk Pariwisata Republik Belarus memerintahkan studi dari Pusat Pemantauan dan Analisis Ural, yang dilakukan berdasarkan dinamika pergerakan pelanggan ponsel.

Menurut penelitian, dari Januari hingga November 2018, republik ini dikunjungi oleh 1,656 juta wisatawan, 60% di antaranya adalah pria berusia 30 hingga 45 tahun, sebagai aturan, karyawan organisasi komersial dengan pendidikan tinggi, dengan penghasilan 40 ribu rubel per hari. bulan. Rata-rata lama menginap adalah 3,8 hari.

Puncak arus turis jatuh pada musim panas. Pada Juni 2018, jumlah orang yang masuk adalah 179 ribu orang, pada Juli - 215 ribu orang. Angka minimum diamati pada bulan Februari - 118 ribu orang.

Para tamu datang dari berbagai daerah di Rusia. Bagian terbesar dari pengunjung - Moskow, wilayah Moskow, Tatarstan - masing-masing 11%. Penduduk wilayah Orenburg, Chelyabinsk dan Samara menyumbang bagian dari arus wisata di 9%, 7%, 6%. Selanjutnya, Wilayah Sverdlovsk dan Okrug Otonomi Khanty-Mansiysk - masing-masing 3,8%, Wilayah Tyumen - 3%, Wilayah Perm dan Udmurtia - masing-masing sedikit lebih dari 2%.

Turis asing datang dari negara tetangga, serta India, Spanyol, Italia, Yaman, Jerman, Turki, Mesir, Nigeria, Israel, AS, Republik Ceko, Arab Saudi, Bulgaria, Iran, China, dan Finlandia.

Kajian sosiologis juga dilakukan dalam bentuk survei terhadap wisatawan. 37% responden memilih hotel atau hotel untuk menginap. 17% tinggal bersama teman atau kerabat, 11% memilih hostel. Menurut tujuan perjalanan, arus wisatawan didistribusikan sebagai berikut: perjalanan ke kerabat (30%), wisata bisnis (28%), wisata kesehatan (18%), jalan-jalan (12%), aktif (8%), ziarah pariwisata (0,2%).

40% turis datang ke Bashkiria bukan untuk pertama kalinya. 20% datang atas rekomendasi teman (rekan, saudara). Keuntungan 24% dalam perjalanan bisnis. Sumber informasi yang paling sedikit digunakan dalam memilih arah perjalanan bagi responden adalah portal internet (3,4%), jaringan sosial(1,2%), iklan media (0,5%).

Pada 2019, daya tarik wisata daerah-daerah tertentu di republik ini juga akan dianalisis, kata panitia negara.

"Geoanalitik menggunakan kemampuan operator seluler adalah metode lanjutan untuk menghitung arus wisatawan. Saat ini, hanya Moskow yang memiliki pengalaman seperti itu, dan izinkan saya mengingatkan Anda bahwa yang terakhir menempati tempat pertama dalam peringkat turis nasional di Distrik Federal Volga, Bashkortostan - yang kedua, ”kata Azamat Galin, wakil kepala Komite Negara untuk Pariwisata dan Kewirausahaan Republik Belarus.

Menurut portal Turstat, pada akhir 2018, Bashkiria masuk dalam Top 15 dalam peringkat pariwisata domestik dan inbound, menempati urutan ke-13 dengan jumlah wisatawan lebih dari 2,5 juta orang (+13% dibandingkan dengan 2017).

Inisiatif Pemerintah Bashkiria ini sangat menarik dan bermanfaat untuk mempelajari arus wisatawan dan merencanakan kegiatan mereka dalam rangka mempromosikan produk pariwisata daerah melalui penyediaan layanan yang komprehensif kepada wisatawan, termasuk menggunakan teknologi IT.

Omong-omong, berita itu menyebutkan Nizhny Nogorod. Kami sebelumnya melaporkan bahwa kota ini telah menerapkan proyek "Kartu Tamu", yang akan memungkinkan Anda melacak pergerakan wisatawan yang mengunjungi pemandangan kota, minat mereka, wisatawan akan dapat menerima berbagai diskon, serta penggunaan gratis transportasi umum.

Semua inisiatif ini sedang dilaksanakan di daerah terisolasi dan terisolasi, tanpa partisipasi federal.

APA YANG KAU BICARAKAN?

Intinya adalah bahwa masalah penerapan visa elektronik untuk warga negara asing yang tiba di Federasi Rusia saat ini sedang diselesaikan. Menurut Asosiasi "Keselamatan Pariwisata", penggunaan visa semacam itu menggunakan teknologi digital khusus tanpa mengintegrasikan sistem migrasi dan pendaftaran wisatawan di hotel dan layanan yang disebutkan di atas menggunakan "kartu tamu" tidak masuk akal. Ini bukan pendekatan pemerintah.

Menurut pendapat kami, pendekatan negara yang sistematis harus mencakup semua elemen ini. Seorang turis harus mendaftar di perbatasan sekali, setelah menerima tanda elektronik, dan kemudian berkeliling negara, mendaftar di hotel (sudah tanpa pendaftaran migrasi), mengunjungi museum tanpa masalah, menerima berbagai diskon, menggunakan transportasi umum secara gratis atau dengan diskon. Dan pada saat yang sama, pendekatan ini akan memungkinkan baik untuk memastikan keamanan nasional dengan merekam pergerakan orang asing, dan untuk membebaskan pelaku bisnis perhotelan dari sakit kepala pendaftaran dan akuntansi migrasi, dan badan manajemen pariwisata di entitas konstituen Federasi Rusia untuk menerima informasi tentang objek paling populer di wilayah (kota) dan, atas dasar itu, membentuk penawaran wisata, sehingga memperoleh manfaat maksimal.

DAN SEMUANYA UNTUK INI!

Yaitu, Keputusan Pemerintah Federasi Rusia 6 Agustus 2015 No. 813, yang menyetujui Peraturan tentang sistem negara catatan migrasi dan pendaftaran, yang implementasinya dapat secara signifikan mempengaruhi keramahan dan meningkatkan arus wisatawan masuk secara umum. Inilah yang dibicarakan Ketua Dewan Asosiasi "Keselamatan Pariwisata" pada 06 Desember 2018 di Dewan Federasi Sergei Gruzd peserta meja bundar dengan topik "Masalah aktual penggunaan visa elektronik untuk warga negara asing yang tiba di Federasi Rusia dan meningkatkan undang-undang Federasi Rusia di bidang ini"

Ingatlah bahwa masalah peningkatan catatan migrasi dan pendaftaran, penyederhanaan rezim visa, pengembangan dan penerapan pengenal biometrik tunggal untuk perjalanan akan menjadi bahan diskusi dalam Forum Internasional "Keselamatan Pariwisata" - TSIF - 2019.Forum ini adalah acara profesional utama di mana perwakilan otoritas, komunitas profesional, dan bisnis mendiskusikan isu-isu topikal untuk memastikan keselamatan pariwisata di satu platform. Format Forum menyediakan 4 sesi breakout.