Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики

Системы круиз-контроля могут вскоре усовершенствоваться благодаря аналитике, автоматически предупреждающей столкновения. Если, исходя из разницы в скорости между своим и впереди идущим автомобилем, компьютер определяет, что столкновение неизбежно, он автоматически активирует тормоза, опережая водителя. В беспилотных автомобилях (о них мы поговорим чуть дальше) водителям вообще не нужно нажимать на тормоза. Также очень простая аналитика помогает обнаружить людей и объекты при движении задним ходом. Многие автомобили сейчас уведомляют водителей звуковым сигналом о наличии препятствия и информируют о расстоянии до него. Невероятно простая в этом случае аналитика, однако, позволяет спасти жизни, особенно маленьких детей, которые часто остаются незамеченными для водителей при движении вспять.

Вспомните пример из второй главы о датчиках, устанавливаемых рядом с железнодорожным полотном, чтобы в режиме реального времени они отслеживали температуру колес у проходящих составов. Если система обнаруживает перегрев колес, состав получает приказ остановиться. К нему направляется бригада рабочих, чтобы проверить состояние вагона и правильно разместить груз. Для железнодорожной компании гораздо дешевле остановить состав и устранить проблему до схода его с рельсов, чем потом устранять последствия катастрофы. Ведь сход с рельсов не только приведет к серьезной задержке движения, но и может причинить значительный материальный ущерб и даже привести к человеческим жертвам. Использование же сенсорных данных не только делает железные дороги более безопасными, но и бережет средства. Хотя в этом случае используются довольно простые алгоритмы, их роль весьма значительна.

Обеспечение свежести продуктов

Теперь давайте перейдем к производителям свежей продукции. Они обычно хранят ее на поддонах на складе, а затем транспортируют в магазины. В течение всего времени хранения температура продуктов должна оставаться в пределах заданного диапазона наряду с заданным диапазоном влажности. Но что если на одном из участков склада выйдут из строя кондиционеры или обогреватели? Заведующий складом может быстро узнать об этом, поскольку датчики начнут подавать сигналы тревоги, и поручить сотрудникам переместить поддоны с продукцией в другое место. Но производителю также важно знать и то, какие поддоны со свежей продукцией могли пострадать, чтобы проверить их состояние.

В прошлом могло пройти много часов, прежде чем кто-то замечал, что на одном конце склада стало немного теплее, чем должно быть. К этому моменту поврежденная продукция уже могла быть отправлена в магазины. И производителю приходилось уведомлять все магазины, получившие продукцию со склада в тот день, о необходимости перепроверить ее качество.

Сегодня поддоны с испортившейся продукцией могут выявляться до того, как они покинут склад. Бóльшую часть времени аналитика используется в основных приборах оповещения, которые сравнивают текущие показания датчиков с заданными пороговыми значениями. Со временем алгоритмы будут развиты до такой степени, что станут учитывать колебания температуры и влажности у каждого поддона и прогнозировать риск порчи продуктов. Нагревание на несколько градусов в течение нескольких минут обычно не вызывает проблем, однако серия небольших отклонений в течение нескольких дней значительно увеличивает этот риск. Для поиска подобных аномалий, несомненно, будут разработаны более продвинутые аналитические процессы.

Правительство тоже может стать операционным

Операционная аналитика предназначается не только для частных компаний. Правительства и некоммерческие организации также могут извлечь из нее пользу. Давайте посмотрим на так называемый предсказывающий контроль, один из наиболее интересных примеров применения аналитики для осуществления государственной функции. Причем предсказывающий контроль сочетает операционное применение традиционной и операционной аналитики.

Давайте начнем с объяснения того, что представляет собой предсказывающий контроль{29}. В течение уже нескольких лет полицейские департаменты и правоохранительные органы всех видов используют аналитику для повышения эффективности своей деятельности. Например, они пытаются выявлять различные закономерности в совершении преступлений, связанные с такими факторами, как неблагоприятные погодные условия, температура воздуха, праздники, особые мероприятия и т. д. В определенное время с учетом прогнозируемого уровня преступности городской департамент полиции может увеличивать или уменьшать количество полицейских в конкретном районе{30}. Это операционное применение традиционной аналитики, поскольку аналитика основана на пакетной обработке данных и используется для составления прогнозов на ближайшую патрульную смену или на несколько дней.