Глобальний ринок даних зростає разом із обсягом інформації, яку щодня генерують мільйони
Зараз на Росію припадає менше 2,29% відглобального обсягу ринку data science рішень. Для порівняння, США припадає 35% його обсягу. Станом на 2020 рік різні експерти оцінюють обсяг російського ринку в 10-65 млрд рублів. До 2024 року, згідно з прогнозом Асоціації учасників ринку великих даних (АБД), цей показник досягне 300 млрд. рублів.
Основними факторами, що стримують розвитокросійського ринку великих даних, аналітики називають високу вартість рішень, відсутність швидких результатів від впровадження, брак фахівців, а також проблеми з якістю і конфіденційністю даних. Наявність цих бар'єрів призводить до нерівномірного розвитку ринку таких рішень. Найчастіше їх впроваджують банки, телеком, ритейл, промисловість і держсектор. Інші галузі помітно відстають.
Розглянемо кілька галузей-лідерів із впровадження data science рішень, і навіть галузі, які мають великий потенціал використання інструментів з урахуванням аналізу даних.
Хто вже використовує data science
- банки.У сфері фінансів рішення з урахуванням data scienceдопомагають, наприклад, оцінювати позичальників (кредитний скоринг), верифікувати користувачів та запобігати шахрайським операціям; аналізувати показники портфелів позичальників та прогнозувати попит на готівку в банкоматах.
У банківському секторі більшість компаній створюютьвласні відділи розробки data science рішень, а чи не замовляють в сторонніх постачальників. Продукти на основі аналізу даних використовують ВТБ, Ощадбанк, "Тінькофф Банк", "Райффайзен", "Уралсіб", "ОТП Банк", "Літо Банк" та інші.
Наприклад, Сбербанк створив інструменти длясегментації і оцінки кредитоспроможності клієнтів, кібербезпеки, управління персоналом, прогнозування черг у відділеннях і розрахунку бонусів для співробітників. «Тінькофф Банк» розробив рішення для управління ризиками та оцінки потреб існуючих і майбутніх позичальників. Крім того, банк впровадив голосового помічника «Олега», який вміє переводити гроші на прохання користувача, замовляти і відправляти на пошту електронні документи, а також забронювати столик в ресторані і купувати квитки в кіно.
- Телеком.Збір та аналіз інформації дозволяє компаніям зцій галузі прогнозувати відтік абонентів та знаходити способи утримати їх, формувати персональні пропозиції та визначати майбутнє навантаження на мережу на основі пересувань абонентів.
У найбільших операторів, як і у банків, євласні команди розробки data science рішень. Такі інструменти вже використовують оператори «великої трійки»: МТС, «Білайн», і «Мегафон». Наприклад, МТС створила систему, яка на основі даних про фактичне споживання трафіку, використовуваних пристроях і покупках абонента формує для нього персоналізовані пропозиції. А «Мегафон» використовує data science для підвищення якості послуг і оптимізації витрат. Крім того, у оператора є дочірня компанія, яка займається розробкою data science рішень для бізнесу.
- Нерухомість.У галузі будівництва, здачі і покупкинерухомості традиційно накопичується великий обсяг документації: договорів, заяв, проектів будівель і прав на земельні ділянки. Data science рішення в цій сфері можна використовувати для точного прогнозування попиту на об'єкти, оцінки ризиків при виборі ділянки під будівництво і приречення поведінки клієнтів.
Такого роду рішення впровадили компанії Ціан,РОСЕКО і «ДомКлік». Остання використовувала систему на основі машинного навчання для прискорення обробки вхідних заявок і підвищення конверсії. Агрохолдинг «Міраторг» впровадив рішення для автоматизації процесу придбання об'єктів нерухомості для складів і ферм.
- Страхування.В галузі страхування частота взаємодії зклієнтами та швидкість врегулювання питань значно нижча, ніж у банківській справі. Однак даних, що акумулюють страхові компанії, достатньо для впровадження технологічних рішень. Наприклад, data science використовується для розрахунку тарифів по КАСКО та ОСАЦВ для окремого клієнта, а також для формування переліку послуг з медичних страхових полісів.
Серед представників галузі рішення на основі цієї технології впровадили компанії «Альфа Страхування», «РЕСО-Гарантія», СОГАЗ, «Тінькофф Страхування», «Ренесанс страхування».
Наприклад, СОГАЗ використовує машинне навчання длявиявлення випадків необґрунтованого завищення вартості наданої медичної допомоги. Автоматизація знизила навантаження на лікарів-експертів та дозволила компанії скоротити витрати.
- Юриспруденція.Технології в цій сфері допомагають автоматизуватипроцеси обробки документів, перевірки контрагентів, складання проектів договорів та порівняння версій, підбору судової практики у справі, а також надавати громадянам більш повний доступ до правових послуг.
Рішення у цій галузі використовують компанії Pravo.ru, BrandMonitor, Амулекс, Агентство судового стягнення, а також департамент правового забезпечення та управління правовими ризиками Business Car Group та інші.
Наприклад, команда розробки порталу Pravo.ru створила систему, яка обробляє типові запити користувачів без прямої участі юристів і самостійно надає юридичну підтримку. Компанія BrandMonitor розробила рішення для оцінки контрафактної продукції в інтернеті по логотипу, опису і товарному знаку. Система визначає порушення і автоматично повідомляє про нього хостинг-провайдера, у якого зареєстрований сайт з продажу контрафакту. А компанія Embedika розробляє інтелектуальну систему перевірки трудових договорів, яка на основі методів active learning і online learning дообучается в процесі використання.
- Логістика.На цю галузь припадає 5% світового ВВП абобільше $ 4 трлн в грошовому еквіваленті. Разом з щорічним зростанням на 7-10% в рік збільшується і обсяг даних: якщо в 2017 році цей показник становив 16,2 ЗБ, то в 2020 році складе близько 44 ЗБ.
Рішення на основі аналізу даних у цій галузідопоможуть ефективніше планувати маршрути, прогнозувати рентабельність перевезень, а також передбачати аварії через знос обладнання та забезпечувати безпеку закритих об'єктів.
У Росії подібні рішення впровадили авіакомпанії«Аерофлот», S7 і Utair. S7 використовує систему розпізнавання осіб пасажирів в аеропорту Домодєдово і систему персоналізації послуг для відвідувачів бізнес-залів, а «Аерофлот» - інструменти для сегментації клієнтів на основі їх купівельної спроможності для прогнозування майбутніх покупок.
- Держсектор.Державні структури акумулюють найбільший обсяг даних — їх обробка та аналіз може у кілька разів підвищити ефективність роботи та якість послуг.
Продукти на основі data science впровадилиФедеральна податкова служба (ФПС), Аналітичний центр уряду Росії, Пенсійний фонд, уряд Москви, Фонд обов'язкового медичного страхування, Федеральна служба безпеки, Слідчий комітет і Служба зовнішньої розвідки.
ФНС використовує data science рішення для контролюза сплатою податку на додану вартість (ПДВ), а уряд Москви - в рамках проекту щодо поліпшення міської транспортної системи «Генплан». У ньому моделі аналізують пасажиропотік в наземному транспорті і метро. Минкомсвязь розробляє «Цифрову платформу контрольної і наглядової діяльності», в якій data science рішення оптимізує нормотворчого процесу.
- Добуваюча промисловість. Аналіз великих даних у цій галузі дозволяєчастково автоматизувати оцінку ефективності розробки родовищ, відстежувати стан обладнання та визначати час його ремонту, а також оптимізувати маршрути транспорту та схеми постачання обладнання.
Наприклад, рішення на основі data science впровадиликомпанії «Газпром нафта» і «Сургутнефтегаз». У першому випадку система аналізує поломки обладнання та пророкує, коли вони можуть відбутися, у другому - оптимізує бізнес-процеси і скорочує час на підготовку звітів.
- Сільське господарство.Очікується, що до 2050 року глобальний попит напродовольство зросте майже вдвічі, тож фермери змушені збільшувати обсяги виробництва. Data science допоможе сільгоспвиробникам передбачити неврожай або, навпаки, надлишок продукції на складах, краще розраховувати обсяг необхідного насіння та добрив з урахуванням особливостей клімату та ґрунту. Це дозволить підвищити продуктивність та скоротити витрати.
У Росії таке рішення впроваджує компанія"ЕкоНива", найбільший регіональний партнер виробника сільгосптехніки John Deer. Йдеться про розроблену Cognitive Technology систему комп'ютерного зору, яка перетворює звичайні комбайни на безпілотні.
Які галузі є потенціал
- Комунальні служби.В сфере ЖКХ анализ накопленных данных позволит прогнозировать поломки оборудования, автоматически вести учет расхода воды, газа и электричества, а также технологизировать юридическую функцию.
Кейсів впровадження у цій сфері поки що одиниці.Наприклад, Мосенергозбут впровадив data science рішення для автоматизації розрахунку стягнень прострочених платежів за електроенергію. Це дозволило відмовитися від розширення штату юристів та скоротити витрати.
- Харчова промисловість.Аналіз великих даних у харчовій промисловостідопоможе дотримуватися точності в плануванні поставок на основі інформації про попит на товари, стежити за якістю та свіжістю продуктів та вигідніше продавати продукцію за допомогою аналізу ринку.
Поки такі рішення впроваджують лише великі міжнародні гравці - Nestle, AB InBev Efes і інші. У Росії кейсів використання технологій в цій галузі немає.
- Медицина.Аналіз великих даних у медицині допоможе лікарямприймати більш обґрунтовані рішення при постановці діагнозу та призначати максимально відповідне лікування; створювати електронну карту пацієнта з розрізнених даних про стан його здоров'я і швидко обробляти дані з пристроїв без участі лікаря.
У Росії дуже мало прикладів впровадження продуктів на основі data science в медицині - їх використовують тільки постачальники телемедичних послуг, такі як DocDoc і Doc +.
Великі дані вже стали настали майбутнім.Їх аналіз допоможе бізнесу краще розуміти свою аудиторію і персоналізувати пропозиції для окремо взятих клієнтів; збирати інформацію про користь продукту і оцінювати реальний користувальницький досвід; точно розраховувати ризики і боротися з шахрайством, а також оптимізувати бізнес-процеси.
Якщо сьогодні існують галузі, куди не прониклаавтоматизація та інтелектуалізація процесів на основі аналізу великих даних, через п'ять років впровадження data science рішень стане нормою навіть для найбільш консервативних секторів економіки.
Великі дані дозволяють організаціям скорочувативитрати без глобальної зміни схеми роботи. Це дає компаніям, які впровадили такі рішення, додаткову конкурентну перевагу, - це найкращий стимул розвитку ринку.
Читайте також:
Астрономи виявили місячний прискорювач 60-х років. Він прямує в бік Землі
Вчений створив фарбу, яка може замінити дорогі сонячні панелі
Місія CHEOPS знайшла планету з найжорсткішими умовами у Всесвіті. головне