Det globale datamarkedet vokser med mengden informasjon som genereres av millioner hver dag
Nå står Russland for mindre enn 2,29 % avglobal markedsstørrelse for datavitenskapelige løsninger. Til sammenligning står USA for 35 % av volumet. Fra og med 2020 anslår forskjellige eksperter størrelsen på det russiske markedet til 10–65 milliarder rubler. I 2024, ifølge prognosen til Association of Big Data Market Participants (BDA), vil dette tallet nå 300 milliarder rubler.
De viktigste faktorene som holder utviklingen tilbakeDet russiske big data-markedet, analytikere, sier de høye kostnadene ved løsninger, mangelen på raske resultater fra implementering, mangelen på spesialister, samt problemer med kvaliteten og konfidensialiteten til dataene. Tilstedeværelsen av disse hindringene fører til ujevn utvikling av markedet for slike løsninger. Oftest blir de implementert av banker, telekom, detaljhandel, industri og offentlig sektor. Andre bransjer henger langt etter.
La oss se på flere ledende bransjer innen implementering av datavitenskapelige løsninger, samt bransjer som har stort potensial for å bruke verktøy basert på dataanalyse.
Hvem bruker allerede datavitenskap
- Banker.Innen finans, løsninger basert på datavitenskaphjelpe for eksempel med å evaluere låntakere (kredittscoring), verifisere brukere og forhindre uredelige transaksjoner; analysere ytelsen til låntakernes porteføljer og forutsi etterspørselen etter kontanter i minibanker.
I banksektoren skaper de fleste bedrifteregne avdelinger for utvikling av datavitenskapelige løsninger, fremfor å bestille dem fra tredjepartsleverandører. Produkter basert på dataanalyse brukes av VTB, Sberbank, Tinkoff Bank, Raiffeisen, Uralsib, OTP Bank, Leto Bank og andre.
For eksempel har Sberbank laget verktøy forsegmentering og vurdering av kundekredittverdighet, cybersikkerhet, personalledelse, prognoser for køer i filialer og beregning av bonuser for ansatte. Tinkoff Bank har utviklet en løsning for risikostyring og vurdering av behovene til eksisterende og fremtidige låntakere. I tillegg har banken introdusert en stemmeassistent "Oleg", som kan overføre penger på brukerens forespørsel, bestille og sende elektroniske dokumenter med posten, samt bestille bord i en restaurant og kjøpe filmbilletter.
- Telekom.Innsamling og analyse av informasjon lar bedrifter frai denne bransjen, forutsi utstrømmingen av abonnenter og finn måter å beholde dem på, skape personlige tilbud og bestemme fremtidig belastning på nettverket basert på bevegelsene til abonnenter.
De største operatørene, som banker, haregne team med utvikling av datavitenskapsløsninger. Slike verktøy brukes allerede av operatørene av de tre store: MTS, Beeline og MegaFon. For eksempel har MTS opprettet et system som genererer personlige tilbud basert på data om trafikkforbruk, brukte enheter og kjøp av en abonnent. Og MegaFon bruker datavitenskap for å forbedre kvaliteten på tjenestene og optimalisere kostnadene. I tillegg har operatøren et datterselskap som utvikler datalogiske løsninger for virksomheten.
- Fast eiendom.I bygge-, igangkjørings- og innkjøpsbransjenfast eiendom samler tradisjonelt mye dokumentasjon: kontrakter, søknader, byggeprosjekter og rettigheter til tomter. Datavitenskapsløsninger på dette området kan brukes til å forutsi nøyaktig etterspørselen etter objekter, vurdere risikoer når du velger et sted for bygging og på forhånd bestemme kundeatferd.
Slike løsninger ble implementert av CIAN-selskaper,ROSEKO og DomClick. Sistnevnte brukte et maskinlæringsbasert system for å øke hastigheten på inngående behandling og øke konverteringer. Agroholding Miratorg har implementert en løsning for å automatisere prosessen med å anskaffe eiendom for lager og gårder.
- Forsikring.I forsikringsbransjen, frekvens av interaksjon medkunder og hastigheten på å løse problemer er betydelig lavere enn i bank. Dataene som forsikringsselskapene samler er imidlertid tilstrekkelig til å implementere teknologiske løsninger. Datavitenskap brukes for eksempel til å beregne CASCO- og OSAGO-tariffer for en individuell klient, samt til å generere en liste over tjenester for medisinske forsikringer.
Blant representanter for bransjen ble løsninger basert på denne teknologien implementert av selskapene AlfaStrakhovanie, RESO-Garantia, SOGAZ, Tinkoff Insurance, Renaissance Insurance.
For eksempel bruker SOGAZ maskinlæring tiloppdage tilfeller av uberettiget overvurdering av kostnadene for medisinsk behandling. Automatisering har redusert arbeidsbelastningen på medisinske eksperter og har gjort det mulig for selskapet å kutte kostnader.
- Rettsvitenskap.Teknologier på dette området hjelper til med å automatisereprosesser for behandling av dokumenter, kontroll av motparter, utarbeidelse av kontrakter og sammenligning av versjoner, valg av rettspraksis i saken, samt å gi innbyggerne mer fullstendig tilgang til juridiske tjenester.
Løsninger på dette området brukes av Pravo-selskaper.ru, BrandMonitor, Amulex, Judicial Collection Agency, samt avdelingen for juridisk støtte og juridisk risikostyring i Business Car Group og andre.
For eksempel Pravo portalutviklingsteam.ru har opprettet et system som behandler typiske brukerforespørsler uten direkte involvering av advokater og uavhengig gir juridisk støtte. BrandMonitor har utviklet en løsning for evaluering av forfalskede produkter på Internett etter logo, beskrivelse og varemerke. Systemet oppdager bruddet og varsler automatisk leverandør om det, som har et registrert nettsted for salg av forfalskede produkter. Og selskapet Embedika utvikler et intelligent system for kontroll av arbeidskontrakter, som, basert på metodene for aktiv læring og online læring, blir omskolert i bruksprosessen.
- Logistikk.Denne bransjen står for 5% av verdens BNP ellermer enn $ 4 billioner i monetære termer. Sammen med en årlig vekst på 7-10% per år, øker også datamengden: hvis dette tallet i 2017 var 16,2 ZB, vil det i 2020 være ca 44 ZB.
Datadrevne løsninger på dette områdetvil bidra til å planlegge ruter mer effektivt, forutsi lønnsomheten av transport, samt forutsi ulykker på grunn av utstyrsslitasje og sikre sikkerheten til lukkede anlegg.
Flyselskaper har implementert lignende løsninger i RusslandAeroflot, S7 og Utair. S7 bruker et ansiktsgjenkjenningssystem for passasjerer på Domodedovo lufthavn og et system for å tilpasse tjenester for besøkende i forretningslounger, mens Aeroflot bruker verktøy for å segmentere kunder basert på deres kjøpekraft for å forutsi fremtidige kjøp.
- Offentlig sektor.Offentlige etater akkumulerer det største volumet av data - deres behandling og analyse kan øke effektiviteten av arbeidet og kvaliteten på tjenestene som tilbys flere ganger.
Datavitenskapsprodukter implementertFederal Tax Service (FTS), den russiske regjeringens analytiske senter, pensjonsfondet, Moskva-regjeringen, obligatorisk medisinsk forsikringsfond, Federal Security Service, etterforskningsutvalget og utenriks etterretningstjeneste.
FTS bruker datalogiske løsninger for kontrollfor betaling av merverdiavgift (moms), og Moskva-regjeringen - innenfor rammen av prosjektet for å forbedre bytransportsystemet "General Plan". I den analyserer modeller passasjertrafikk innen overflatetransport og metro. Departementet for telekommunikasjon og massekommunikasjon utvikler en "Digital Platform for Control and Supervision Activities", der datavitenskapsløsninger optimaliserer prosessen med å lage regler.
- Ekstraherende industri. Big data-analyse i denne bransjen tillaterdelvis automatisere vurderingen av feltutviklingseffektivitet, overvåke tilstanden til utstyret og bestemme tidspunktet for reparasjon, samt optimalisere transportruter og utstyrsforsyningsordninger.
For eksempel ble en datavitenskapsløsning implementertselskaper Gazprom Neft og Surgutneftegaz. I det første tilfellet analyserer systemet nedbrudd i utstyret og forutsier når de kan oppstå, i det andre optimaliserer det forretningsprosesser og reduserer tiden det tar å utarbeide rapporter.
- Jordbruk.Innen 2050, global etterspørsel ettermattilgangen vil nesten dobles, så bøndene er tvunget til å øke produksjonsvolumet. Datavitenskap vil hjelpe landbruksprodusenter med å forutsi avlingssvikt eller tvert imot et overutbud av produkter i varehus, og bedre beregne volumet av nødvendige frø og gjødsel, tatt i betraktning egenskapene til klimaet og jorda. Dette vil forbedre produktiviteten og redusere kostnadene.
I Russland implementeres en lignende løsning av selskapetEkoNiva, den største regionale partneren til landbruksutstyrsprodusenten John Deer. Vi snakker om et datasynssystem utviklet av Cognitive Technology som gjør konvensjonelle hogstmaskiner til ubemannede.
Hvilke bransjer har potensiale
- Verktøy.I bolig- og kommunale tjenester vil analyse av akkumulerte data gjøre det mulig å forutsi utstyrssvikt, automatisk holde oversikt over forbruket av vann, gass og elektrisitet, samt teknologiisere den juridiske funksjonen.
Кейсов внедрения в этой сфере пока единицы. Например, Мосэнергосбыт внедрил data science решение для автоматизации расчета взысканий просроченных платежей за электроэнергию. Это позволило отказаться от расширения штата юристов и сократить издержки.
- Пищевая промышленность. Анализ больших данных в пищевой промышленности поможет соблюдать точность в планировании поставок на основе информации о спросе на товары, следить за качеством и свежестью продуктов и выгоднее продавать продукцию с помощью анализа рынка.
Så langt implementeres slike løsninger bare av store internasjonale aktører - Nestle, AB InBev Efes og andre. I Russland er det ingen tilfeller av bruk av teknologier i denne bransjen.
- Medisin.Анализ больших данных в медицине поможет врачам принимать более обоснованные решения при постановке диагноза и назначать максимально подходящее лечение; создавать электронную карту пациента из разрозненных данных о состоянии его здоровья и быстро обрабатывать данные с носимых устройств без участия врача.
I Russland er det svært få eksempler på implementering av datavitenskapelige produkter i medisin - de brukes bare av leverandører av telemedisiner som DocDoc og Doc +.
Big data er allerede fremtiden.Analysering av dem vil hjelpe bedrifter å bedre forstå publikum og tilpasse tilbud til individuelle kunder; samle informasjon om fordelene med produktet og evaluere den virkelige brukeropplevelsen; nøyaktig beregne risiko og bekjempe svindel, samt optimalisere forretningsprosesser.
Если сегодня существуют отрасли, куда не проникла автоматизация и интеллектуализация процессов на основе анализа больших данных, то через пять лет внедрение data science решений станет нормой даже для самых консервативных секторов экономики.
Big data gir organisasjoner mulighet til å reduserekostnader uten en global endring i arbeidsordningen. Dette gir selskaper som har implementert slike løsninger et ekstra konkurransefortrinn - dette er det beste incentivet for markedsutvikling.
Se også:
Astronomer har oppdaget en måneakselerator fra 60-tallet. Han er på vei mot jorden
Forsker har laget en maling som kan erstatte dyre solcellepaneler
CHEOPS-oppdraget har funnet en planet med de tøffeste forhold i universet. hovedtingen