Big Data

Взяв на вооружение науку о данных, предприятие должно отказаться от стандартного для бизнеса подхода и поставить логику выше творчества.

Соблюдение этих рекомендаций поможет вам опередить конкурентов, сгенерировать новые источники доходов и лучше обслуживать клиентов.

На российском рынке остро ощущается потребность в платформах обработки больших данных, однако почти отсутствует локальная экспертиза. Появление дистрибутива Arenadata Hadoop, сертифицированного ODPi и собранного российскими разработчиками, призвано заполнить этот пробел.

Область data science очень динамична, и неудивительно, что среднее «время жизни» специалиста в компании очень невелико. Что может «пойти не так» и что можно сделать, чтобы специалисты задерживались в компании чуть дольше?

Как показывает практика работы с данными, не всегда больший объем данных означает большую эффективность построенных моделей. Не все данные одинаково полезны, и до сих пор компании склонны оценивать то, что клиент сам сообщает о себе, а не ориентироваться на его поведение. Как показывает опыт Сбербанка, именно это убивает эффективность создаваемых решений – требуется ориентироваться на объективные показатели.

Отраслевая BI-модель собрана на основе «лучших практик» из масштабных проектов бизнес-анализа в фармацевтической отрасли: в ней реализованы стандартизированные механизмы вычислений и подходы к консолидации данных из разных источников.

Чтобы оценить эффективность открытия новых торговых точек, в аптечной сети «Ригла» разработали инструмент, использующий технологию машинного обучения.

ВТБ24 использует Hadoop для построения «аналитической фабрики» – недорогой площадки для оперативного исследования данных

Современные организации постепенно превращаются в ИТ-компании с той или иной бизнес-специализацией. В компании «Ингосстрах» информационные технологии стали неотъемлемым компонентом страховых продуктов и базой для развития бизнеса. Владимир Тихомиров, который руководит ИТ-департаментом «Ингосстраха» с 2009 года, рассказал о том, как цифровые технологии трансформируют отрасль, бизнес компании и ее ИТ-службу.

Системы аналитической обработки информации по продажам и других стандартных бизнес-данных приносят немалую пользу бизнесу. Но это лишь верхушка айсберга, малая часть того, что можно сделать с доступными организации данными.

Столичные системы управления трафиком, основанные на анализе Больших Данных, начинают обгонять по своим возможностям системы наиболее продвинутых городов мира.

Экономия, уже полученная в аптечной сети «Ригла» благодаря оптимизации товарных запасов, сопоставима с затратами на открытие сотен новых аптек. А чтобы оценить, какую эффективность даст открытие новых точек, в компании разработали специальный инструмент, использующий технологию машинного обучения.

Поиск полезных источников внешних данных, равно как и их применение с пользой для бизнеса, пока остается искусством

Применение нейронных сетей позволяет получить точность прогнозирования электропотребления на уровне 96–97%, что дает возможность повысить эффективность энергосбытовых компаний.

Журнал «Открытые системы.СУБД» традиционно завершает год обзором технологий, которые и по мнению западных аналитиков, и по мнению редакции «сделают» год грядущий. Бизнес сегодня уже неразрывно связан с технологическими революциями — именно они определяют способность компаний и организаций к проведению цифровой трансформации, без которой успех да и просто выживание на современном рынке невозможны.

Уникальная по своим возможностям СУБД HPE Vertica легко справляется с обработкой данных не только бизнес-транзакций, но также межмашинного взаимодействия и Интернета вещей в реальном времени.

С помощью портативных сканеров Emotiv удалось собрать огромные объемы данных, которые послужат для прогнозирования заболеваний головного мозга.

Среди сотен мобильных приложений, ежедневно появляющихся на рынке, много критичных как для бизнеса, так и для жизнедеятельности общества, от надежности работы которых может буквально зависеть жизнь компаний и людей. Лаборатория HPE Mobile Center выпускает инструменты для тестирования мобильных приложений, охватывающие практически все платформы и типы устройств.

Системы когнитивного хранения работают оптимально благодаря автоматической оценке соответствия данных потребностям и предпочтениям пользователя, однако воплощение в жизнь идеи когнитивного хранения будет зависеть от способности исследователей идентифицировать принципы определения ценности данных и от появления систем хранения, ориентированных на данные.