Умные граждане – умное государство

В Лос-Аламосской национальной лаборатории (штат Нью-Мексико, США) была разработана система EgoSystem, которая раздвинула границы поиска экспертов, вынеся их за пределы академической среды. Эта система отслеживает информацию о бывших сотрудниках лаборатории, перешедших в частный сектор, и позволяет при необходимости (создание государственно-частного партнерства или совместный проект) устанавливать контакт с ними. В EgoSystem содержатся биографические данные специалистов, включая сведения о местах обучения и областях специализации, информация об их активности в социальных сетях и на других академических ресурсах, например сайте Mendeley, которым пользуются миллионы людей для чтения и хранения исследовательских статей в формате PDF[468].

Еще одной функцией подобных инструментов является контроль над внедрением результатов исследований. В Сан-Паулу, самом населенном и экономически развитом штате Бразилии – на него приходится 35 % ВВП страны, – по конституции штата 1 % бюджета выделяется на финансирование исследований. При подаче заявки на финансирование соискатели должны заполнить профиль в бесплатной поисковой системе «Академия Google»[469]; это позволяет не только расширять взаимодействие между научными сотрудниками страны, но и в дальнейшем отслеживать эффективность инвестиций[470].

Потребность в инструменте, позволяющем выявлять людей со специальной профессиональной компетенцией, существует в самых разных областях. Чрезвычайно важно понимать, кто какими знаниями обладает.

Сервис HealthTap помогает пациентам находить врачей, способных отвечать на их вопросы. База данных сервиса хранит информацию более чем о 64 000 специалистах-медиках. Потенциальные пациенты могут либо разместить вопрос на медицинскую тему и попросить специалистов ответить на него тут же на сайте, либо поискать ответ среди ранее поднимавшихся тем. Разработчики сервиса надеются, что в перспективе пользователи станут платными подписчиками и будут использовать систему для направления своих вопросов уже конкретным специалистам. Врачи, зарегистрированные в базе, создают профили, в которых указывается область их специализации, документы об образовании и публикации. Кроме того, в профиле каждого врача отображаются ранее заданные вопросы, данные им ответы и оценка этих ответов пользователями. В системе формируется рейтинг специалистов на основе оценок пользователей и других врачей. Сайт также предусматривает возможность тематического поиска – например, детская ревматология или аллергия. По заявлению разработчиков, сервис, который содержит ответы на несколько миллионов вопросов, уже помог спасти тысячи жизней и ответить на миллионы вопросов.

Давно известно, что сегментирование[471] и таргетирование[472] являются ключевыми инструментами современного маркетинга, особенно в электронной коммерции, так как увеличивают динамику продаж по сравнению с агрегированным маркетингом[473][474]. Сегментирование аудитории в контексте бизнеса означает продажу одной и той же услуги разным потребителям по различной цене[475]. Информация о предпочтениях потребителя, его поведении и намерениях, доступная в режиме реального времени, может повлиять на содержание рекламного сообщения и форму его подачи[476]. Согласно результатам исследований, таргетированная реклама позволяет увеличить выручку в 2,7 раза по сравнению с эффектом от нетаргетированной рекламы[477]. Кроме того, таргетированная реклама способствует росту занятости, повышает уровень инноваций и экономической продуктивности[478].

Чтобы сделать заключение о возрасте, семейном положении, социальном статусе, уровне дохода и месте нахождения потенциального потребителя, а также в целом спрогнозировать его поведение, прежде использовались инструменты статистики. В одном из ранних экспериментов под названием «Белый кролик» была предпринята попытка создать профили потребителей на основании их речевых обращений[479]. Появление технологии больших данных, построенной на базе ранних моделей статистического анализа, облегчило компаниям процесс обработки огромного объема профессиональной и личной информации о конкретном пользователе, агрегированной из большого числа источников, и позволило разработать более эффективные модели прогнозирования потребностей для обеспечения еще более детального микротаргетирования.