На состоявшемся в начале декабря в Москве “Бизнес-форуме IBM — 2012” были представлены результаты третьего ежегодного исследования корпорации Tech Trends Report 2012, посвященного прогнозу развития технологий. Он основан на результатах опроса более 1200 специалистов из 13 стран, которые принимают технологические решения в своих организациях. Вполне ожидаемо технологиями, которые сегодня более всего влияют на развитие компаний, были названы мобильные решения, бизнес-аналитика, облачные вычисления и социальный бизнес. У самых передовых в этом отношении компаний наиболее приоритетными являются управление рисками и анализ так называемых больших данных (28% из них уже имеют математические модели для анализа больших данных, 60% приступили к их построению). А интегрировать технологии социальных сетей и мобильности, социальных сетей и аналитики готовы 25% “первопроходцев”. Трудно сказать, в какой мере указанные результаты характерны для нашей страны, но довольно очевидно, что наблюдается определенная усталость от радужных прогнозов, не подкрепленных примерами реальных проектов. Следует признать, что данная конференция подобного упрека заслуживает в наименьшей степени.

Взять хотя бы пилотный проект по поиску новых банковских клиентов в социальных сетях, выполненный специалистами московского офиса IBM по собственной инициативе и на собственные средства. Действительно, можно много говорить о невероятных возможностях анализа огромных массивов неструктурированной информации, но осторожные заказчики с гораздо большим доверием относятся к демонстрации реальных систем, реализующих такие возможности. Как рассказал директор по развитию бизнеса IBM East Europe/Asia Михаил Горбатовский, в проекте использовался один из элементов платформы IBM Big Data — продукт InfoSphere Streams, предназначенный для потокового анализа в реальном времени самой разной информации, и в частности, текстов, публикуемых в социальных сетях. Возможна работа с практически любым числом источников и объемами данных (петабайты данных в день, миллионы событий в секунду), имеется инструментарий анализа естественного русского языка.

Цель проекта — предоставить тому или иному банку удобный инструмент для оперативного анализа интересов и предпочтений существующих и потенциальных клиентов, выявления вероятного спроса на отдельные услуги и эмоциональной окраски отзывов. Предполагается, что все это поможет привлекать новых клиентов, увеличивать розничные кросс-продажи, повышать качество обслуживания и восприятия бренда, наращивать эффективность маркетинговых кампаний. Проект, в котором участвовало около 20 специалистов IBM, был выполнен за четыре месяца. За время эксплуатации системы анализировался контент из более 30 социальных сетей, блогов и банковских форумов. По словам Михаила Горбатовского, обработка 1 млн. сообщений позволила выявить более 60 тыс. потенциальных клиентов, проявляющих интерес к тем или иным банковским продуктам и услугам.

Еще один проект, который в случае полномасштабного развертывания мог бы быть отнесен к категории Big Data, запускается одним из лидеров рынка моментальных платежей — компанией QIWI. На территории России работает более 100 тыс. ее терминалов, посредством которых за год 80 млн. уникальных пользователей осуществляют свои платежи. При этом через процессинговый центр QIWI проходит более 2 млрд. транзакций. Как пояснил директор по развитию бизнеса QIWI Евгений Волков, сегодня рынок моментальных платежей вступил в стадию зрелости, и поэтому наиболее приоритетными задачами становятся расширение спектра услуг, используемых каждым клиентом, наращивание списка востребованных провайдеров — получателей платежей в российских регионах и общее повышение информированности клиентов о возможностях QIWI. А для решения указанных задач нужно уметь собирать и анализировать данные об активности каждого клиента, вырабатывать рекомендации для ключевых клиентских сегментов QIWI: конечных пользователей, компаний-провайдеров и компаний-рекламодателей.

В настоящее время начато тестирование системы, базирующейся на аналитическом продукте IBM SPSS и охватывающей 10 тыс. терминалов QIWI. На основе уникальных профилей клиентов в момент очередного их подхода к терминалу будут формироваться адресные предложения и целенаправленная реклама. Самые актуальные и востребованные в данном регионе услуги и провайдеры будут вынесены на первую страницу терминального интерфейса, а рекламные сообщения, выставляемые пользователям, будут в большей мере соответствовать их реальным предпочтениям и потребностям. По словам Евгения Волкова, если тестовая система окажется удобной и докажет свою эффективность, QIWI масштабирует ее на всю свою терминальную сеть в России.

Когда разговор заходит о больших данных, очень часто звучат слова о гигантском объеме ежедневно генерируемых данных: сегодня это 15 Пб, но цифра постоянно растет. Не секрет, что львиную долю этого потока составляют фотографии и видеофайлы, немалая часть которых формируется всевозможными системами видеонаблюдения. Реальная польза от них может быть получена только в результате просмотра и анализа, но осуществить его “вручную” практически невозможно. Для решения указанной задачи IBM предлагает свою систему Smart Vision Suite, помогающую оператору “просеивать” большие объемы видеоданных и обеспечивать наиболее эффективную реакцию на потенциальные угрозы, либо выявлять последовательность событий при расследовании инцидентов.

Технология видеоаналитики базируется на генерации метаданных, формируемых на основе автоматического анализа видеопотока. К таким метаданным относятся тип объекта (автомобиль, пешеход), его размер, цвет, скорость и траектория движения и т. д. После того как метаданные извлечены, они могут загружаться в БД, индексироваться и анализироваться. О масштабе задачи говорят следующие цифры: одна камера фиксирует ежедневно 50 тыс. событий, что для видеонаблюдения дорожной обстановки среднего города эквивалентно 10 млн. событий в день. По словам менеджера по технологиям московского офиса IBM Сергея Жернового, IBM Smart Vision Suite масштабируется на тысячи камер и применяется сегодня в крупнейших городах США и в сети железных дорог Италии. Несмотря на то, что в России данный продукт доступен уже несколько лет, столь масштабных его внедрений у нас пока нет: в основном, он применяется для локального контроля отдельных зданий, площадок и организаций.