Средняя зарплата специалиста по Data Science в 2022 году составила 150 тысяч рублей, а передовые компании вкладывают значительные средства в работу отделов по большим данным. В этой сфере регулярно появляются новые разработки и подходы, которые позволяют анализировать данные эффективнее и повышать конкурентоспособность компании. Рассказываем, что такое Big Data, чем занимаются такие специалисты, какую пользу они приносят бизнесу и почему подход data-driven считается успешным при принятии решений.
Что такое Big Data простыми словами
Big Data — это методы обработки и анализа неструктурированных или слабоструктурированных данных из различных систем-источников для дальнейших бизнес-задач.
Цель специалистов по Data Science (DS) — извлечь дополнительную пользу из данных, лучше узнать своего клиента и предложить наиболее релевантные сервисы, провести интеграцию между индустриями и проанализировать поведение пользователя, чтобы делиться с ним актуальной информацией о продукте в самый подходящий момент.
Объемы данных, которые собирает, хранит и анализирует бизнес, растут с невероятной скоростью, поэтому использование Big Data и наем квалифицированных кадров — вопрос выживания на рынке. Если ваш конкурент будет лучше знать, как привлекать новых и удерживать текущих клиентов, он будет обладать большей долей рынка. Чем больше вы знаете о целевой аудитории и ее болевых точках, тем легче вам продавать услуги. Поэтому все ИТ-гиганты создают свои цифровые экосистемы, внутри которых они могут анализировать действия клиентов в диджитал-пространстве.
Основные характеристики Big Data (правило VVV+)
Под правилами трех V подразумеваются основные характеристики больших данных, а именно:
● Объем (Volume) — масштаб данных от 150 Гб в сутки и более.
● Скорость (Velocity) — высокая скорость прироста данных в реальном времени. Информация требует быстрой обработки из-за динамичных темпов изменения и всплесков активности.
● Разнообразие (Variety) — многообразие типов информации. Например, структурированные цифры из разных баз данных, фото и видео из социальных сетей, голосовые сообщения, финансовые транзакции.
В настоящее время в это правило включают еще два параметра:
● Изменчивость (Variability) — спады и пики активности, сезонность и периодичность, влияющие на данные.
● Значение (Value) — разная сложность для восприятия и переработки.
Как работают большие данные
Каждое действие человека логируется (то есть записывается в особый файл), на основе чего можно строить сегментированные базы, позволяющие изучать клиента с нескольких сторон.
Есть три типа источников больших данных:
● социальные;
● транзакционные;
● машинные.
К первой категории относятся социальные сети, электронная почта, средства массовой информации, форумы и веб-сайты. В этот список также можно добавить статистику стран и городов, данные о перемещении людей, медицинские записи.
Транзакционные источники — это банковские операции, переводы денег, обмен валют, покупка акций.
Кроме того, большие данные генерируются датчиками сотовой связи, машинами и интернетом вещей. Информация поступает от систем «умного» дома, смартфонов, видеокамер, «умных» колонок и голосовых помощников.
Эти источники помогают собрать полную картину клиента, на основе которой можно строить прогнозы и приводить гипотезы. Например, зная, что пользователь недавно искал на маркетплейсе и на какие тематические группы он подписан, гораздо легче настроить рекламную кампанию, которая точно окупится.
Чем занимается DS-специалист в Лиге Цифровой Экономики
Список задач достаточно широк. Традиционно это построение предиктивных моделей, определяющих вероятность разных событий, например поломки оборудования на производстве.
DS-специалисты разрабатывают рекомендательные системы, позволяющие привлечь наибольшее число потребителей.
Команда Лиги создает модели на базе видеоаналитики с помощью определения количества людей в очереди, скорости работы продавцов и наличия униформы у персонала.
Сотрудники Лиги разрабатывают чат-ботов и голосовых роботов, чью манеру общения практически невозможно отличить от человеческой.
Помимо этого, специалисты создают поведенческие модели клиента и формируют наиболее релевантный оффер. Например, модель оттока определяет, насколько вероятно, что пользователь откажется от услуг. Эта информация позволяет заказчику своевременно начать мероприятия по удержанию клиента.
Накопленный опыт и экспертиза позволяют команде Лиги справляться с любыми сложными задачами в разных отраслях.
Будущее за Data Science
Цифровизация сейчас находится на новом этапе развития. Почти все действия людей оцифровываются, ИИ активно внедряется в нашу жизнь, чтобы помогать в повседневных задачах. Но при этом из-за бесконечного потока информации растет уровень тревожности и стресса. Новые решения, созданные на основе Data Science, позволят сократить информационный шум: цифровые помощники возьмут на себя такие рутинные задачи, как ответы в мессенджерах, а искусственный интеллект будет выполнять за нас простые действия. Ключевой аспект — доверить машинам свои данные.
Уже сейчас ведется работа над бессмертием человечества, но пока что только в цифровом формате. Накопленная информация позволяет воссоздать внешность человека, его манеру речи, интонацию, движения. Технология «дипфейк» придает соответствующий личности образ и голос. Представьте, если в будущем на уроках литературы в школах Александр Сергеевич Пушкин будет «самостоятельно» читать стихотворения и отвечать на вопросы учеников о своем творчестве.
С «дублированием» современников дела обстоят еще проще. Лаборатория Лиги Цифровой Экономики работает над оцифровыванием двух ныне живущих людей, чтобы проверить готовность технологий решать подобные задачи на постоянной основе. В будущем цифровые двойники могут стать для нас такой же обыденностью, как голосовые ассистенты и «умный» дом.
***
О том, как Big Data помогает бизнесу принимать важнейшие решения на основе данных и почему подход data-driven считается успешным при принятии решений рассказал Юрий Колбасин, партнер Лиги Цифровой Экономики и директор направления Big Data.