Эксперт в области ИИ, смарт-технологий и ИБ Ник Исмаил на портале Information Age рассуждает о том, почему BI-системы превратятся из инструментов для узкого круга специалистов в платформы для повсеместного доступа.
Большие данные — одна из самых востребованных технологий, навсегда перекроившая ИТ-ландшафт. Правильная обработка огромных массивов данных позволяет обнаружить скрытые закономерности и использовать их для повышения эффективности. Еще несколько лет назад одним из важнейших условий для принятия решений считался сам объем информации, однако вскоре стало очевидным, что количество не всегда переходит в качество. Бизнес столкнулся с дилеммой: как выудить из накопившихся гигабайтов и терабайтов информации самое важное, что необходимо для его развития?
Эта дилемма спровоцировала определенный сдвиг в мышлении компаний, вынуждая их перейти от малоосмысленного накопления информации к применению продвинутых BI-систем для решения специфических задач. Последние применяются для изменения процессов в компании, в частности, с целью получения большей прибыли или оптимизации расходов. Некогда являвшиеся надстройкой ERP-решений, BI-системы нового поколения лишились этой привязки, превратившись в самодостаточные инструменты.
BI-системы в комбинации со средствами визуальной аналитикой идеально приспособлены для просеивания информации, а также для определения взаимосвязей и отклонений между наборами данных, помогают выстраивать работу с ключевыми бизнес-показателями, оценивать риски и даже подсказывают нужную реакцию на изменения в высококонкурентной среде. Визуальная аналитика обеспечивает более доступный и интуитивно понятный подход к анализу данных. BI-системы с возможностями визуализации предлагают такие компании, как Tableau (Server, Online и Desktop), Oracle (BI), Qlik (Sense и View), Microsoft (BI), Microstrategy, Tibco (Spotfire) и др.
По мнению Исмаила, задействование таких систем может в корне изменить традиционный для предприятия подход к работе с данными. Он считает, что визуализация данных упростит понимание глубинных процессов, которые протекают внутри BI-систем, и позволит приобщиться к принятию решений не только узкопрофильным специалистам, но и более широкой категории сотрудников компаний. О масштабах нехватки специалистов в области аналитики данных красноречиво свидетельствуют цифры. По данным McKinsey, дефицит таких специалистов в одних только США находится на уровне 190 тыс. человек; также ощущается нехватка менеджеров и аналитиков для работы с Big Data — это еще 1,5 млн. человек.
Несмотря на отсутствие обученных специалистов, такие области экономики, как производство, здравоохранение, финансовый сектор уже ощутили выгоды, которые приносит «демократизация данных» и связанные с ней инструменты аналитики. В медицине ИИ-аналитика и передовые алгоритмические возможности используются для анализа рентгеновских снимков. Так, Microsoft совместно с Siemens разработали «умный» рентген-аппарат. Он делает снимок и отправляет его для анализа одновременно в облако и врачу. В облаке есть система анализа снимков на базе ИИ, которая обрабатывает полученное изображение и постоянно обучается. Врач и система параллельно ставят диагноз, если есть большие расхождения, врач получает уведомление о необходимости перепроверить диагноз. Иногда бывает так, что система приняла неправильное решение, но часто она помогает увидеть скрытые вещи, которые человек не заметил.
В то же время банки применяют ИИ для детального изучения финансового состояния клиента с целью предотвращения рисков, а также для выбора наилучшей модели для взаимодействия с клиентами. Тем временем нефтегазовый сектор вовремя не оценил преимуществ BI с аналитическими ИИ-движками и теперь в условиях глобального падения цен на нефть, когда требуется точная информация для оптимизации производства и мониторинга критически важных операций, вынужден полагаться на устаревшие модели принятия решений.
Предприятиям, которые стремятся встать на рельсы цифровизации, следует учесть, что вооруженные ИИ аналитические платформы изменяют правила игры на рынке, выводя эффективность бизнеса и конкурентоспособность на новый уровень. Для этого в их арсенале имеются инструменты, предлагающие в режиме реального времени рекомендации и прогнозы, составленные на основании миллиардов обработанных записей данных. Такие системы, к примеру, могут прогнозировать примерные сроки эксплуатации оборудования, но, что более ценно, указывать на замену потенциально уязвимых к износу узлов, тем самым предотвращая остановку конвейера.
Традиционные технологии также могут «переваривать» большие объемы информации, но чем больше данных, тем медленнее они с ними справляются. При одних и тех же затратах эффективность работы традиционных алгоритмов ниже в разы. Например, при росте объема данных в два раза скорость обработки падает в четыре раза. В отличие от традиционных систем ИИ позволяет действовать прицельно и высвобождать человеческие ресурсы для более сложной работы.
Например, благодаря внедрению машинных алгоритмов аналитику не нужно заниматься ручным подсчетом — он может брать в работу сразу готовые, подсчитанные машиной результаты. Специалистам, чья работа требует повышенной внимательности (медикам, юристам), машинные алгоритмы могут служить инструментом подстраховки и обращать их внимание только на те случаи, которые выделяются из общей массы результатов.
Звонок в call-центр, авторизация на интернет-портале, социальные сети как канал информации о клиентах, мессенджеры, геотаргетинг — все это создает нагромождение больших данных, справиться с анализом которых может только ИИ. Компаниям, которые не желают оставаться в стороне от современных методов добычи информации, вряд ли стоит игнорировать BI-платформы — поступая так, они рискуют отбросить свой бизнес на несколько лет назад или сделать его беззащитным перед стихией Big Data.
