Big Data

Pojęcie big data oznacza zbiory informacji o dużej objętości, zmienności lub różnorodności, które wymagają nowych form przetwarzania w celu wspomagania podejmowania decyzji, odkrywania nowych zjawisk oraz optymalizacji procesów.

Pojęcie big data jest często definiowane w modelu 4V3, na który składają się: Objętość, Różnorodność, Szybkość przetwarzania oraz Wiarygodność.

Poziom danych definiujący big data różni się w zależności od firmy, jednakże organizacje ze wszystkich branż poszukują obecnie sposobów na dodatkowe przychody z istotnych dla nich danych na małą bądź dużą skalę.

Analiza większej ilości danych zwiększa prawdopodobieństwo odkrycia wzajemnych zależności, a tym samym poprawy istniejących procesów biznesowych/produkcyjnych. Wnioski płynące z analizy danych mogą także prowadzić do poprawy/korekty strategii biznesowych i jednocześnie do osiągnięcia przewagi konkurencyjnej. Wiele przedsiębiorstw gromadzi dane w tradycyjnej formie, ale także te zebrane za pomocą kamer, czujników, anten, nagrań etc. Są to często dane nieustrukturyzowane i nie mogą być przechowywane w tradycyjnych bazach relacyjnych. Niemniej jednak wiedza w nich zgromadzona może być istotna, pozwalająca na analizę trendów, anomalii rozwoju firmy, oceny klienta, przewidywania istotnych zagrożeń finansowych.

Sposobem na powyższe problemy są rozwiązania technologiczne big data, oferujące nierelacyjne bazy danych umożliwiające przechowywanie danych niestrukturyzowanych oraz przetwarzanie rozproszone dużych zestawów danych. Dzięki temu możliwe jest skrócenie czasu i obniżenie kosztów związanych z analizą bardzo dużych zasobów danych.

Sama analityka znana jest od wielu lat i stale dopasowuje się do zmieniającego się otoczenia.  Pierwszy etap ewolucji analityki big data – do połowy lat 2000 – można nazwać erą „Business Intelligence”. Był to czas prawdziwych postępów w osiąganiu obiektywnego, głębokiego zrozumienia ważnych zjawisk biznesowych i zapewnienia menedżerom niezbędnych informacji do podejmowania decyzji. W tym okresie po raz pierwszy zapisano, zagregowano i przeanalizowano dane dotyczące produkcji, procesów, sprzedaży, interakcji z klientami itd.

Drugi etap ewolucji analityki big data rozpoczął się w momencie, gdy firmy internetowe oraz portale społecznościowe, zlokalizowane głównie w Dolinie Krzemowej (Google, eBay), zaczęły gromadzić i analizować nowe rodzaje informacji. Chociaż termin „big data” nie pojawił się od razu, nowa rzeczywistość bardzo szybko zmieniła rolę danych i analiz w tych firmach. Technologia big data została również odróżniona od „małych danych” (z ang. small data), tj. danych generowanych wyłącznie przez wewnętrzne systemy transakcyjne firmy. Big data były natomiast  zasilane także danymi z zewnątrz, pochodzącymi z internetu, czujników różnego typu, przechwyconych audio i wideo.

Obecnie wkraczamy w kolejną fazę rozwoju analityki. Firmy inwestują w narzędzia analityczne, aby wspierać rozwój produktów, usług i funkcjonalności skierowanych do klientów. Przyciągają klientów do swoich stron internetowych dzięki lepszym algorytmom wyszukiwania, rekomendacjom od znajomych i współpracowników, sugestiom dotyczącym produktów do kupienia i wysoce ukierunkowanym reklamom, a wszystko to dzięki analityce opartej na big data. Aktualnie analityka big data nie jest narzędziem tylko dla wybranych. Każda firma z każdego sektora może z niej korzystać, analizując dane, i na tej podstawie podejmować decyzje biznesowe.

W zestawieniu 11 branż największym stopniem zaawansowania w zakresie wdrażania rozwiązań z zakresu analityki big data charakteryzuje się branża medyczna. Na tym tle sektor energetyczny plasuje się dość wysoko, blisko 40% ankietowanych firm prowadziło w 2015 r. programy pilotażowe bądź już wdrożyło rozwiązania z tego zakresu.

Rozwiązania big data stosowane są przez podmioty z branży energetycznej w celu poprawy działalności operacyjnej oraz obsługi klientów. W zakresie poprawy działalności operacyjnej wdrażane rozwiązania pozwalają na m.in.:

• zmniejszenie ryzyka przychodowego;
• wzrost efektywności zarządzania siecią i produkcją;
• analitykę predyktywną w zakresie prognozy zapotrzebowania;
• wzrost efektywności zarządzania majątkiem;
• optymalizację funkcji wsparcia.

W zakresie obsługi klienta big data może pozwolić na poprawę relacji z klientami, proaktywny marketing oraz dopasowanie usług do potrzeb klientów.