Każdego dnia, korzystając z urządzeń elektronicznych, wytwarzamy ponad 2,5 eksabajtów (czyli trylionów bajtów). Tak wynika z wyliczeń amerykańskiej firmy badawczej Domo. To liczby, jakie wymykają się naszej percepcji, a ręczna analiza takiej ilości informacji jest praktycznie niemożliwa.
Dane te, czyli Big Data, stanowią paliwo współczesnej gospodarki opartej na wiedzy. Są to informacje, które często charakteryzują się zmiennością i różnorodnością. Z tego powodu ich odpowiednio szybkie przetwarzanie stanowi kluczowe wyzwanie dla biznesu. Aby temu sprostać, firmy zajmujące się Big Data inwestują w centra obliczeniowe i wykorzystują algorytmy sztucznej inteligencji.
Krótka historia Big Data
Termin Big Data pojawił się po raz pierwszy pod koniec ubiegłego wieku, a jego popularyzację przypisuje się dr. Johnowi R. Masheyowi, naukowcowi zatrudnionemu w owym czasie w firmie Silicon Graphics. Analiza dużych zbiorów danych stała się szczególnie istotna po upowszechnieniu internetu i urządzeń mobilnych, takich jak smartfony, tablety i komputery przenośne. Obecnie Big Data ma kluczowe znaczenie we wszystkich dziedzinach gospodarki. Firmy, wykorzystując dostępne dane na temat swojej działalności, z jednej strony są w stanie w lepszy sposób identyfikować potrzeby klientów i oferować na tej podstawie nowe usługi. Z drugiej – Big Data pozwala wprowadzać usprawnienia w procesach technologicznych danego przedsiębiorstwa, m.in. w łańcuchach dostaw, a także szybko reagować na usterki, o których mogą raportować urządzenia brzegowe.
O tym, jak cenne są to informacje, mogą świadczyć sukcesy takich gigantów technologicznych jak Google czy Facebook. Te znane na całym świecie amerykańskie firmy praktycznie całą swoją działalność opierają na danych udostępnianych przez użytkowników. Dzięki temu popularna wyszukiwarka internetowa z większą precyzją odpowiada na pytania internautów, a przy okazji wyświetla spersonalizowaną reklamę, w którą z dużym prawdopodobieństwem klikniemy. Z kolei dane lokalizacyjne użytkowników smartfonów wykorzystywane są m.in. w Mapach Google do informowania kierowców o korkach w mieście.
Polskie firmy zbierają dane, ale nie korzystają z nich w pełni
Według najnowszych danych Eurostatu jedynie 12 proc. europejskich firm wykorzystuje Big Data w swojej działalności. W Polsce ten wskaźnik jest jeszcze niższy i wynosi zaledwie 8 proc. Dla porównania duże zbiory danych analizuje co piąta firma z Finlandii, Irlandii, Belgii, Holandii i co czwarte przedsiębiorstwo zarejestrowane na Malcie. Z kolei z badania Intela i OVH opublikowanego pod koniec 2018 roku wynika, że praktycznie wszystkie polskie przedsiębiorstwa zbierają dane. Mimo to większość z nich nie widzi potrzeby wykorzystania Big Data w swojej praktyce biznesowej. Zazwyczaj po przetwarzanie danych na dużą skalę sięgają największe firmy, a szkoda, bo inwestując w Big Data, można w stosunkowo łatwy sposób znaleźć przewagi konkurencyjne na rynku. To daje duże pole manewru firmom z sektora MŚP, które w ten sposób z jednej strony mogą poprawić wewnętrzne procesy, a z drugiej – zaoferować nowe, lepsze usługi swoim klientom.
Big Data stosuje się w transporcie i logistyce
Interdyscyplinarne Centrum Modelowania Matematycznego i Obliczeniowego Uniwersytetu Warszawskiego (ICM) opracowało narzędzie do analizowania danych o ruchu lotniczym (rozwiązanie powstało we współpracy z Organizacją Międzynarodowego Lotnictwa Cywilnego). System GATO Decision Support (skrót od ang. Global Air Transport Optimisation) ułatwia podejmowanie decyzji dotyczących otwierania nowych połączeń, dostarcza informacje na temat skutków fuzji linii lotniczych, a także wskazuje strategiczne możliwości współpracy pomiędzy poszczególnymi lotniskami. W projekcie wykorzystano repozytorium Big Data Air Traffic, w którym znajdują się miliardy rekordów dotyczących lotów z ostatnich ośmiu lat. Drugim narzędziem opracowanym w ICM jest Emergency Squawk Detection System, które monitoruje sygnały wysyłane przez samoloty pod kątem zagrożeń. Oba systemy zaprezentowano podczas seminarium na temat analityki danych w lotnictwie zorganizowanego w grudniu ubiegłego roku przez Organizację Międzynarodowego Lotnictwa Cywilnego. System GATO jest obecnie w trakcie komercjalizacji, a dostęp do niego możliwy jest m.in. za pośrednictwem tureckiej firmy Analytica Advisory Group, która jest oficjalnym dystrybutorem produktów Organizacji Międzynarodowego Lotnictwa Cywilnego.
Sztuczna inteligencja wyłowi najważniejsze informacje z eksabajtów danych
Do przetwarzania Big Data, czyli informacji, które mogą się zmieniać w czasie rzeczywistym, potrzebne są specjalistyczne narzędzia pozwalające zapisywać, przechowywać, analizować, a także wizualizować duże zbiory danych. W przypadku Big Data szczególnie przydają się algorytmy sztucznej inteligencji. Techniki uczenia maszynowego pozwalają wydobyć z dużych zbiorów najbardziej istotne dane, a nawet wskazać zależności, które na pierwszy rzut oka nie są oczywiste.
Przykładem wykorzystania sztucznej inteligencji i Big Data jest koncern The Coca-Cola Company. Producent zbierał dane z maszyn, w których klienci mogli łączyć smaki. Na podstawie ich analizy wprowadzono do sprzedaży nowy napój – Cherry Sprite. Firma decyzje na temat swojej działalności podejmuje również na podstawie analizy danych ze swoich kont społecznościowych. Sztuczna inteligencja analizuje zdjęcia publikowane przez użytkowników m.in. portali społecznościowych – Coca-Colę na Facebooku śledzi ponad 107 milionów użytkowników. Na tej podstawie tworzone są reklamy pozycjonowane pod konkretne rynki na świecie.
Koncerny motoryzacyjne dzielą się danymi, aby ulepszać auta
Przykłady transferu technologii z obszaru datatech mają miejsce również w przemyśle motoryzacyjnym, który w ostatnich latach zmienia się bardzo dynamicznie, również za sprawą Big Data. Powstają nowe rozwiązania i usługi, dzięki którym samochody stają się bardziej intuicyjne i bezpieczne. Nowoczesne auta są coraz częściej wyposażone w zaawansowane systemy sztucznej inteligencji, ułatwiające dotarcie do celu, a w razie wypadku automatycznie poinformują odpowiednie służby o zdarzeniu.
Warto przywołać przedsięwzięcie Toyoty i Soft Banku. Obie firmy powołały spółkę typu joint venture Monet Technologies Inc., która zainicjowała powstanie konsorcjum MONET (dziś liczy już 500 firm i organizacji członkowskich). Azjatyckie koncerny chcą wykorzystać Big Data pozyskiwane z czujników zamontowanych w samochodach producentów uczestniczących w projekcie, a z drugiej z urządzeń mobilnych zbieranych przez SoftBank. Dane te posłużą do uruchomienia nowych usług z obszaru MaaS (Mobility as Service), włączając w to autonomiczne taksówki e-Palette, które będzie można wynajmować np. za pomocą aplikacji mobilnej. Sztuczna inteligencja kierująca pojazdami jest trenowana przy użyciu danych z kamer i czujników pokładowych zbieranych w Toyota’s Mobility Services Platform (MSPF), która jest częścią platformy Monet. Taksówki e-Pallete wykorzystają także organizatorzy zbliżających się Igrzysk Olimpijskich w Tokio.
Profilowanie zachowań internautów
Polska firma Cloud Technologies stworzyła technologię Data Management Platform (DMP, znaną również pod nazwą OnAudience), która umożliwia gromadzenie danych z wielu źródeł, takich jak kampanie reklamowe, pośrednictwa w zakupie mediów, a także od zewnętrznych dostawców. Do tej pory spółka pozyskała ponad 44 miliardy anonimowych profili, które odpowiadają urządzeniom podłączonym do internetu. Dane są grupowane w kategorie na podstawie takich kryteriów jak zainteresowania czy zwyczaje zakupowe. Algorytmy sztucznej inteligencji Cloud Technologies analizują 4,5 miliarda aktywności dziennie.
Cloud Technologies współpracuje z domami mediowymi OMD, Publicis Group i The Interpublic Group of Companies (IPG), a także z firmami Adform i Google, które zajmują się sprzedażą reklam w internecie. Dzięki analizie zanonimowizowanych danych – m.in. z urządzeń mobilnych, takich jak smartfony i tablety – firmy te są w stanie lepiej dopasować przekaz pod konkretnego użytkownika.
Banki też korzystają z Big Data
W dobie szerokiego dostępu do internetu coraz większą popularność zyskują usługi świadczone drogą elektroniczną, w tym bankowość internetowa. To łączy się z wieloma wyzwaniami dotyczącymi przede wszystkim bezpieczeństwa. Z tego powodu firmy zajmujące się tworzeniem systemów i serwisów bankowych wykorzystują dane pochodzące od użytkowników. Warto wskazać przykład polskiej firmy Digital Fingerprints, która zajmuje się wprowadzaniem rozwiązań z zakresu biometrii behawioralnej. Na podstawie analizy zachowań użytkowników, takich jak tempo wprowadzania znaków i sposób poruszania się kursorem myszy po stronie, tworzone są cyfrowe „odciski palca”. Dzięki nim można stwierdzić, czy zalogowana osoba faktycznie jest właścicielem konta. W ten sposób system bankowy dyskretnie upewnia się, czy nie doszło do włamania. System firmy Digital Fingerprints obecnie jest testowany m.in. w mBanku.
Firma Digital Fingerprints opracowała autorski system zabezpieczeń serwisów bankowych biorący pod uwagę zachowanie użytkownika (graf. Digital Fingerprints)
Granty na technologię Big Data w ramach projektu Sieć Otwartych Innowacji
Warto dodać, że w ramach projektu Sieć Otwartych Innowacji można składać wnioski na zakup technologii typu Big Data.
– Zakupem i wdrożeniem technologii Big Data interesują się przede wszystkim przedsiębiorcy z branży reklamowej. Możliwość wykorzystania inteligentnych algorytmów do optymalizowania ścieżki dotarcia do odbiorców przekazu reklamowego jest dla nich atrakcyjnym rozwiązaniem. Wkrótce będziemy podpisywać pierwszą umowę z firmą zajmującą się właśnie reklamą i marketingiem. Ale zakupem takich technologii interesują się także firmy, które tworzą rozwiązania B2B służące do szybszego i prostszego nawiązywania relacji biznesowych i szukania kontrahentów – mówi Andrzej Domański, zastępca kierownika projektu Sieć Otwartych Innowacji.
Przypominamy, że o dofinansowanie na transfer technologii mogą ubiegać się mikro-, małe i średnie przedsiębiorstwa, a więcej szczegółów na temat grantów można znaleźć w naszej bazie wiedzy.
