Как сделать использование больших данных наиболее эффективным

- КиТ :: Будь в СЕТИ!

Состоянию рынка больших данных посвятил свое выступление Валерий Артемьев, консультант отдела разработки политик, стандартов и процедур департамента статистики и управления данными Банка России. По его мнению, потенциал структурированных данных еще до конца не исчерпан. Однако сегодня все больше и больше внимания уделяется неструктурированным данным, несмотря на то, что их достоверность пока еще сложно проверить. Среди них как cгенерированные машиной (например, данные в формате обмена, изображения со спутника, научные данные, фото и видео), так и сгенерированные человеком (тексты и офисные документы, социальные медиа, мобильные данные, Web-контент). Еще один тренд – продвинутая аналитика – обсуждается все чаще –  несмотря на то, что 90% необходимой бизнесу информации можно получить с помощью традиционных BI и Data Mining. Кроме того, по мнению Валерия Артемьева, инструменты больших данных пока еще сложно встраиваются в корпоративную ИТ-инфраструктуру.

Как использовать данные

Несмотря на то, что будущее развития рынка ITSM за развитием сервисов самообслуживания и использованием баз знаний, до настоящего времени 90% пользователей звонят в службу техподдержки. В такой ситуации актуальной становится максимальная автоматизация работы службы технической поддержки. Как рассказал участникам конференции Никита Никитинский, руководитель направления R&D компании Naumen, концепция ITSM 3.0 предполагает использование больших данных и машинного обучения для автоматизации услуг, оказываемых сервисными службами (АХО, ИТ, HR), создание сервисов самообслуживания и упрощение пользовательских интерфейсов существующих платформ. Портал самообслуживания с умной строкой(ITSM 3.0) представляет собой дообучаемую и легко кастомизируемую систему, основанную на новых технологиях, методиках, алгоритмах и программных средствах. В отличие от традиционных ITSM-систем, он позволяет сэкономить на обслуживании и обучении пользователей.

Сфера применения прогнозной аналитики практически безгранична, говорит Евгения Евдокимова, руководитель направления прогнозной аналитики «Тринити». В качестве источников данных могут выступать как традиционные транзакционные (заказы, транзакции, оплаты, возвраты) и описательные (атрибуты, характеристики, социально-демографические) данные, так и новые данные по взаимодействию (E-mail/мгновенные сообщения, звонки в клиентские центры, потоки кликов на сайте, текст и диалоги) и по отношению (мнения и предпочтения, требования и желания, результаты опросов, данные из социальных сетей). Основная цель прогнозной аналитики – поддержка принятия решений. Решения могут приниматься практически без данных, но с их помощью эффективность этого процесса существенно выше благодаря автоматизации некоторых интеллектуальных процессов, уверена Евгения Евдокимова.

ПодпискаБудь в СЕТИ! Новости социальных сетей - всегда актуальное
 
Группы: ВК | OK | Tg