Image

Блог публикации

Пробивни технологии за интелигентни градове - Data Analitycs

Пробивни технологии за интелигентни градове - Data Analitycs

Димитър Христов

Тази статия e базирана на изследване, направено от KISMC (член на клъстера) и неговите партньори ARIES, GAIA & DEUSTO в рамките на общ проект по Еразъм+.

Актуално състояние

Data Analytics (анализ на данните) е подход, който позволява на фирмите да правят анализ на данните, които генерират по време на своята дейност, като това им позволява да правят изводи, пряко свързани с техния бизнес.

Компаниите могат да управляват т.н. големи масиви данни по такъв начин, че да бъдат в състояние да прилагат стратегии, водещи до по-добри бизнес резултати. Като използват този подход фирмите подобряват оперативната си ефективност, потребителското изживяване на клиентите си и бизнес моделите си. Данните, които те генерират по време на дейността си е един от многото проблеми, с които те се сблъскат. Необходима е преценка на важността на данните и каква част от тях да бъде съхранена или да се продаде. Анализът на данни означава превръщането им във възможност за бизнеса (Schneider 2017). Data Analytics се нарича бизнес генератор защото позволява да се проучват персонализирани решения в изпълнение на различни бизнес проекти. Понастоящем "информацията като услуга" е бизнес модел, който намира все по-голямо приложение и все повече фирми правят опити да монетизират информацията си. Анализът, направен от Международния статистически институт показва, че производителността на бизнесът, който прави анализ на данните си към 2020 г. е реализирал нарастване на продажбите си с 430 милиарда долара, за разлика от този бизнес, който не го прави.

Съществуващи платформи

Услугите, предлагани от платформи за Data Analytics нарастват заедно с появата на нови решения свързани с капацитета за съхранение и обработка на данни. По-разпространените към момента платформи са: Hadoop, Gridgain, HPCC, Storm, Spark, Hive, Kafka, Flume.

Съществуващи стандарти

Първият стандарт за Bid Data е публикуван в края на 2015 г. от Международния телекомуникационен съюз (ITU), следователно вече съществуват международно признати правила и стандарти. ITU-T Y.3600: предоставя реквизити, възможности и случаи на използване на големи данни, базирани на облачни изчисления (Y.BigDatareqts, 2015). Големите данни, обединени с Cloud Computing, предлагат възможност за събиране, съхраняване, анализ, визуализация и обработка на големи количества данни, които не могат да бъдат анализирани с традиционните технологии (Iglesias. A, 2015).

Основни приложения

Познати са най-общо 5 ключови приложения на тези технологии:

1. Изследване или управление на големи масиви от данни. Предполага се, че управлението на информацията може да реши най-големите предизвикателства, пред които са изправени фирмите за вземане на решения, подобряване на операциите и намаляване на риска.

2. Получаване на по-пълна представа за клиентите. Фирмите разполагат с по-голям брой източници на информация относно своите клиенти и могат да предоставят по-добри и по-персонализирани услуги, както и да предскажат поведението на клиентите си.

3. Повишаване на сигурността. Такива технологии се използват за предотвратяване на атаки чрез локализиране на аномалии и анализ на моделите и заплахите. При този тип могат да се различат три вида приложения:

  • Подобряване на разузнаването и наблюдението: чрез непрекъснат анализ в реално време за намиране на подходящи модели;
  • Предотвратяване на атаки: чрез анализ на мрежовия трафик за справяне със шпионаж, проникване и кибератаки;
  • Прогнозиране и предотвратяване на киберпрестъпления: чрез анализ на телекомуникационни и социални мрежови данни, анализиране на заплахите и  противопоставяне на престъпните намерения.

4. Анализ на операциите. Подпомага фирмите при вземането на оперативни решения, като се повишава интелигентността и ефективността им. За целта се проверява актуализираната информация ползвайки различни системи;

5. Увеличаване на капацитета за съхранение на данни. Създават се нови структури за съхранението на данни.

Тенденции

Очаква се, че обемът на данните ще продължи да нараства поради увеличаване на броя на мрежовите устройства. Бъдещите платформи ще подобрят начините, по които се анализират данните. Докато SQL ще продължи да бъде стандарт, Spark се очертава като допълващ инструмент, който ще продължи да расте. Ще бъдат създадени нови инструменти за анализ "без анализатор". Компании като Microsoft и Salesforce вече са обявили такъв тип решения. Ще продължава разработване на програми като Kafka и Spark, които ползват данни в реално време. Много от експертите са на мнение, че т.н. „fast data“ и „actionable data“ ще заменят Big Data. Очаква се в скоро време да се създаде „пазар на алгоритмите“. Компаниите ще започнат да купуват алгоритми, вместо да ги програмират и ще добавят към тях своя собствена информация (Logicalis, 2016). Въпреки, че такъв тип решения вече съществуват, се предполага, че те ще нараснат многократно. От друга страна, едно от предизвикателствата пред платформите за анализ на данни е неприкосновеността на личния живот, особено след последните регламенти, приети от Европейската комисия.

Очаквани стандарти

Big Data Value Association (BDVA) работи по създаването на стандарти за приоритетите и оперативна съвместимост на Big Data. Към асоциацията по този въпрос е създаден екип (Task Force 6), който вече е определил референтен модел за Big Data. През юни 2017 г. в Брюксел се проведе семинар за сътрудничество с други стандартизационни общности за създаване на пътна карта за хармонизиране на стандартите за Big Data. В събитието участваха представителства от ETSI, AIOTI WG3, CEN / CENELEC, OASC, ISO / JTC1 / WG9, W3C, OneM2M, Industry 4.0, Европейска комисия, важни проекти за големи данни, базирани на ПЧП. Последващи дейности са проведени в Дъблин по време срещата на ISO IEC JTC1 WG9 Data Reference Architecture.

Потенциални приложения

Data Analytics има голям брой области за приложение (Marr.B, 2016), най-често свързани с:

  • Продължаване на дейността за сегментирането на клиентите
  • Оптимизиране на разбирането за бизнес процесите
  • Мониторинг и оптимизация на бизнес процесите
  • Подобряване на системите за обществено здраве
  • Подобряване на спортните постижения
  • Подобрения в науката и иновациите
  • Оптимизиране на работата на машините във фирмите
  • Подобряване на сигурността и подкрепа при спазването на законите
  • Приложения в решения, свързани с интелигентните градове
  • Финанси.

Последни новини

© 2020 СОФИЯ - Град на знанието - клъстер.
Image