Сэмюэл Грингард - Интернет вещей - Будущее уже здесь

В отчете McKinsey Global Institute под названием «Интернет вещей» {13} 13 http://www.mckinsey.com/insights/high_tech_telecoms_internet/the_internet_of_things . говорится следующее:

По мере того как возникают новые способы создания ценности, бизнес-модели, основанные на сегодняшней (по большей части статичной) информационной архитектуре, вынуждены решать новые задачи. Когда в реальном времени считываются предпочтения определенного потребителя в определенной географической точке, динамическое ценообразование может повысить вероятность покупки. А если знать, насколько часто или интенсивно используется товар, можно предусматривать дополнительные варианты – например, плату за использование, а не прямую продажу. Если весь производственный процесс будет оснащен множеством датчиков, то управление производством будет эффективнее. Когда производственная среда непрерывно проверяется на наличие опасных факторов, а сами объекты корректируют свои действия во избежание повреждений, число рисков и связанных с ними расходов сокращается. В результате выигрывают те компании, которые используют эти возможности. Иные же будут неконкурентоспособными.

На самом базовом уровне как Интернет вещей, так и промышленный Интернет имеют отношение к данным и извлечению из них пользы. Сегодня благодаря всеобщей компьютеризации и практически повсеместному сетевому взаимодействию биты и байты данных перемещаются по всей планете в реальном времени. Все больше разнообразных устройств (стационарные компьютеры, ноутбуки, планшеты и смартфоны) служат средством быстрого сбора, обмена и доступа к данным все большего объема. Разумеется, функционирование подключаемых устройств (всех, от инсулиновых помп в больницах до домашних систем освещения) и обратная связь, позволяющая принимать решения, зависят прежде всего от данных.

Специалисты по обработке данных ввели термин «ценность точной информации». Речь идет о способности так располагать точки ввода данных, а затем собирать и анализировать информацию, чтобы получать наиболее полную картину. Достичь этой цели невероятно сложно, потому что чрезвычайно трудно собрать все данные, необходимые для получения идеальной картины, а затем выстроить такой алгоритм, который будет надлежащим образом учитывать все возможные переменные. Например, способность верно прогнозировать погоду зависит от четкого сбора точных данных, ввода релевантных данных и их осмысления путем применения сложных алгоритмов. То есть теоретически, если бы ученые задействовали подходящие системы и программное обеспечение, а также получили доступ к достаточной вычислительной мощности, прогнозы погоды были бы точными на 100 %.

На сегодняшний день существует слишком много переменных величин и ограничений, чтобы получить идеальную картину некого сложного события в любой сфере, будь то прогнозы погоды, сельское хозяйство, производство, здравоохранение, транспорт или рынок ценных бумаг. Поэтому вместо попыток создавать идеальные модели специалисты по обработке данных сосредоточились на построении самых лучших возможных моделей с использованием больших данных и аналитики. Здесь огромную роль играет прогнозная аналитика, которая выявляет и осмысляет события еще до того, как они произойдут. Например, это позволит банку выявить потребителя, который подумывает купить новый автомобиль, но еще не начал присматриваться к разным моделям. На заводе будут заранее знать, когда должна сломаться деталь в каком-то оборудовании, а в супермаркете – какие продукты купит тот или иной человек.

Поток данных от подключаемых объектов и оборудования разрастается в геометрической прогрессии. Согласно отчету компании по управлению данными Wipro под названием «Большие данные: ускорение процессов производства», за время шестичасового рейса на Боинге-737 из Нью-Йорка в Лос-Анджелес генерируется колоссальное количество информации – 120 терабайт. Вся она собирается и хранится в самолете {14} 14 Wipro. Big Data. Catalyzing Performance in Manufacturing . 2011. http://www.wipro.com/documents/Big%20Data.pdf . . Что еще более важно, эти данные могут быть проанализированы, чтобы выявить все аспекты работы двигателя.

Неудивительно, что информация становится ценным экономическим активом. Согласно прогнозу фирмы Gartner, занимающейся консалтингом в области IT, через несколько лет информационные активы и данные крупных компаний уже будут у них на балансе. Превращение данных в валюту повлияет на оценку товарно-материальных ценностей, сделки по слиянию и поглощению и многое другое. Однако эта экономическая ценность значит куда больше, чем просто активы. По оценке McKinsey Global Institute, большие данные могут снизить затраты на разработку продукции производственных компаний на 50 % и больше {15} 15 McKinsey and Company, McKinsey Global Institute, Big Data: The Next Frontier for Innovation, Competition and Productivity . June 2011. http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation . . Изучение огромного количества точек ввода данных аналитическими программами приведет к обнаружению недостатков в качестве товара или услуг, снизит эксплуатационные расходы и в корне изменит подход компаний к инвестированию в людей и оборудование.