Кирилл Лобецкий - Выжить во время потопа. Люди. Процессы. Технологии

Существует первобытная потребность делать комфортной и безопасной собственную «пещеру». Онлайн-пространство подчинилось этому принципу, дав возможность систематизировать и хранить любимые песни, любимые видео, любимые книги, список важных контактов, совершать популярные денежные переводы или заказывать государственные услуги. Купив в 2007 году на последние деньги iPod Classic с 80 гигабайтами встроенной памяти, я полагал, что этого пространства мне хватит на десятилетия прослушивания музыки. Сегодня суммарный объем всех песен из моих плейлистов в разы превышает те «смешные» 80 гигабайт, и они не располагаются на моем устройстве. Доступ к ним я могу получить с любого устройства с интернет-браузером и доступом к Сети вне зависимости от моего местонахождения. Мобильное приложение банка хранит шаблоны моих наиболее частых денежных переводов и присылает персонализированные уведомления о новых продуктах и услугах с учетом всех моих операций. Было бы странно, если бы в мире, где пример компании Target с определением беременности девушки стал хрестоматийным, 2 2 Некоторое время назад по всему миру разошлась новость об американской торговой сети Target («Мишень»), которая стала посылать молодой покупательнице купоны со скидкой на детскую одежду и памперсы. Девушка еще училась в школе, и ее отец, увидев купоны, пришел в ярость. Чтобы не накалять обстановку, сотрудники магазина принесли извинения, однако девушка оказалась действительно беременна. Ни она, ни родственники пока не знали об этом. Дело в том, что среди ее последних покупок были те, что относились к группе товаров для беременных, и алгоритм анализа и прогнозирования данных потребительского поведения Target учел это. отсутствовало стремление к тотальному анализу стремлений потребителей. Сеть универмагов Macy’s использует систему, которая коммуницирует со смартфоном покупателя, чтобы иметь возможность делать уникальные товарные предложения 6. Бренд одежды Rebecca Minkoff и eBay модернизировали кабинки для примерки одежды. Сенсоры определяют, какие вещи примеряет покупатель, и с помощью сенсорного экрана внутри кабинки можно в один клик заказать другой цвет, размер или модель товара 7.

Следующий шаг – распознавание покупателей в лицо. И в этом деле магазины Amazon Go стали настоящими пионерами. За каждым покупателем наблюдает несколько сотен камер, фиксирующих покупки, чтобы при выходе из магазина списать нужную сумму с его счета. К сожалению, мне не известно, сколь сложным и многогранным является наблюдающий за покупателями алгоритм Amazon Go. Но представьте, сколько полезной для производителя информации может дать анализ эмоциональной реакции человека на тот или иной товар. Что ощутил покупатель, когда увидел товар? Между чем и чем он делал выбор? Что он стал или не стал делать с упаковкой? Прочел ли состав? Или попросту не глядя бросил покупку себе в корзину?

3 сентября 2008 года редактор журнала Nature Клиффорд Линч подготовил спецвыпуск с темой: «Как могут повлиять на будущее науки технологии, открывающие возможности работы с большими объёмами данных?« 8. В нем публиковались материалы об увеличении объема и разновидностей обрабатываемых данных. Сегодня статью плотно связывают с термином «Большие данные» («Big Data»), который многим по-прежнему неизвестен.

Сперва методология и технологические приемы «Больших данных» относились к академической среде, а широкое распространение они получили благодаря бизнесу, увидевшему немыслимое пространство возможностей.

Количество активных пользователей Facebook по состоянию на 2017 год оценивается в более чем 1,8 млрд. Суммарно более 2 млрд пользователей в мессенджерах WhatsApp и Facebook Messenger. Более 500 млн – в Instagram. Количество интернет-пользователей в 2018 году достигло 4,021 млрд человек, сделав прирост на 7% в сравнении с аналогичным периодом год назад 9. Все эти пользователи ежеминутно генерируют колоссальное количество данных, повествующих о каждом из них больше, чем им самим представляется. Продуктовые магазины, кофейни, кинотеатры, тренинговые центры и т. п. хотят максимально монетизировать поток пользователей, что возможно благодаря тонкой и профессиональной настройке рекламной кампании за счет исторических и текущих данных. Всеобщая социализация не только стала пространством для новых бизнесов, но и открыла доступ к новым формам государственного контроля, о которых мы поговорим в третьей главе. Но для начала предлагаю определиться с терминологией вместе с Иваном Бегтиным, Директором АНО «Информационная культура».

– Что такое «большие данные» и как они влияют на изменения в бизнесе, политике, социальной сфере?

– Давайте начнем с определений, потому что как таковой технологии «больших данных» не существует. «Большие данные» – это некоторый маркетинговый термин, который объединяет много разных понятий. Кто-то к «большим данным» относит развитие искусственного интеллекта и автоматическое принятие им решений. Кто-то воспринимает «большие данные» информацией, которую невозможно посчитать на локальном компьютере. Для кого-то «большие данные» – это данные от нескольких петабайт. И если вы спросите рядового журналиста или, например, сотрудников компании «Яндекс» об этом, вы получите совершенно разные ответы и разное ощущение масштаба.

У меня тоже нет ощущения, что «большие данные» – это объемы, так как сейчас и терабайт не является «большими данными». Петабайтом сейчас мало кого можно удивить, поэтому нет такого явления, как «большие данные». Сегодня это – некоторая совокупность технологий, которая включает обработку, сбор, обмен, интеграцию, публикацию и все остальное, что касается работы с большими объемами информации.

К чему это приводит? Создается инфраструктура, которая существует для обмена большим количеством информации. Она применяется для самых разных задач, например: для интернета вещей, для мониторинга сельхоздеятельности (уход за животными, землями), для мониторинга самолетов в реальном времени, для понимания поведения потребителей, для слежки за гражданами страны со стороны спецслужб, для научных исследований. Большой адронный коллайдер генерирует в день, по-моему, около петабайта данных. Там невероятное количество сенсоров. У них в работе действительно огромные объемы данных, и когда мы говорим про примеры – вот, пожалуйста.

Мы редко задумываемся, почему в некоторых точках продажи при оплате банковской картой не требуется ввод PIN-кода, а в других – при схожей сумме – нам приходится вводить заветные четыре цифры. Это – бытовой пример анализа активности потребителя на основе сотен данных: геолокации, точки продажи, периодичности, времени совершения операции и т. п.