Файл: Исполнитель Демидов Владимир, 9 в класс.docx

Медицина. Огромное количество данных, собираемых медицинскими учреждениями и различными электронными приспособлениями (фитнес-браслетами и т.п.) открывает принципиально новые возможности перед индустрией здравоохранения. Большие данные помогают находить новые лекарства, точнее ставить диагнозы, подбирать эффективное лечение, бороться с пандемий.

Ретейл. Развитие сетевой и электронной торговли невозможно представить без основанных на Big Data решениях — так магазины персонализируют ассортимент и доставку.

Интернет вещей. Big Data и интернет вещей неразрывно связаны между собой. Промышленные и бытовые приборы, подключенные к интернету вещей, собирают огромное количество данных, на основе анализа которых впоследствии регулируется работа этих приборов.

Рынок недвижимости. Девелоперы используют технологии Big Data, чтобы собрать и проанализировать весь массив информации, а затем выдать пользователю наиболее интересные для него варианты. Уже сейчас будущий покупатель может посмотреть понравившийся дом без продавца.

Спорт. С помощью больших данных футбольные клубы отбирают самых перспективных игроков и разрабатывают эффективную стратегию для каждого противника.

Сельское хозяйство. Посредством алгоритмов Big Data происходит обработка информации (температура, влажность) и строится высокоточный почасовой прогноз погоды, на основании которого осуществляется планирование механизмов полива и внесения удобрений.

3.2. Big Data в бизнесе

Большие данные полезны для бизнеса в трех главных направлениях:

1. Запуск продуктов и сервисов, которые точнее всего «выстрелят» по потребностям целевой аудитории.

2. Анализ клиентского опыта в отношении продукта или услуги, чтобы улучшить их.

3. Привлечение и удержание клиентов с помощью аналитики.

Так, банки используют алгоритмы обработки больших данных прежде всего для улучшения качества обслуживания клиентов и оптимизации затрат, а также для управления рисками и борьбы с мошенничеством. Они позволяют рекламодателям эффективнее распределять бюджеты и размещать рекламу, которая нацелена на самых разных потребителей.

Крупные компании с помощью больших данных прогнозируют потребительский спрос. 70% решений в бизнесе и госуправлении принимается на основе геоданных.

Анализируя большие данные, компании учатся выявлять скрытые закономерности, улучшая свои бизнес-показатели.

---

Сила аналитики Big Data заключается в том, что, проанализировав огромный объем неструктурированных данных, программа может обнаружить множество корреляций (статистических взаимосвязей), о которых самый мудрый аналитик-человек даже не догадывается. У любой компании есть огромное количество неструктурированных данных - о сотрудниках, клиентах, партнерах, конкурентах, которые можно использовать с пользой для бизнеса: улучшить эффект от рекламных акций, добиться роста продаж, снизить страховые риски, снизить кадровую текучку и т.п.

Создать алгоритмы обработки больших данных - не самая трудная часть работы. Гораздо сложнее понять, как эти технологии можно применить в контексте каждого конкретного бизнеса. Поэтому специалисты по анализу больших данных должны быть не только прекрасными математиками, но и обладать необходимым пониманием бизнес-процессов.

3.3. Big Data в России и мире

По данным одной из ведущих IT-сервис компаний, в мире накопился огромный объем цифровых данных, который увеличивается с каждым годом большими темпами. Так, в 2015-м в мире каждые десять минут генерировалось столько же данных, сколько за весь 2003 год.

Растет и количество компаний, использующих большие данные. Первыми Big Data еще шесть лет назад начали использовать в ИТ, телекоме и банках. Именно в этих сферах скапливается большой объем данных о транзакциях, геолокации, поисковых запросах и профилях в Сети. С каждым годом растет и прибыль от использования больших данных.

Сейчас в США с большими данными работает более 55% компаний, в Европе и Азии — около 53%. Только за последние шесть лет распространение Big Data в бизнесе выросло в три раза.

Мировыми лидерами по сбору и анализу больших данных являются США и Китай. Главными потребителями Big Data считаются крупные корпорации.

В Китае действует более 200 законов и правил, касающихся защиты личной информации. С 2019 года все популярные приложения для смартфонов начали проверять и блокировать, если они собирают данные о пользователях вопреки законам. В итоге данные через местные сервисы собирает государство, и многие из них недоступны извне.

С 2018 года в Евросоюзе действует GDPR — Всеобщий регламент по защите данных. Он регулирует все, что касается сбора, хранения и использования данных онлайн-пользователей. Когда закон вступил в силу, он считался самой жесткой в мире системой защиты конфиденциальности людей в Интернете. Многие корпорации столкнулись с ограничениями, которые создали серьезные препятствия для их развития в Европе. Но в первую очередь закон ударил по малому и среднему бизнесу: им приходится подстраивать все свои продукты и внутренние процессы под его нормы.

---

В России рынок больших данных только зарождается. К примеру, сотовые операторы делятся с банками информацией о потенциальных заемщиках. Среди корпораций, которые собирают и анализируют данные - «Яндекс», «Сбер», Mail.ru.

Появились специальные инструменты, которые помогают бизнесу собирать и анализировать Big Data - такие, как российский сервис Ctrl2GO. Это группа компаний, которая специализируется на разработке и внедрении цифровых продуктов в промышленности. Она является одним из крупнейших поставщиков решений для анализа данных в России. По оценке Ctrl2GO, использование платформы позволяет экономить от 20% до 40% на каждом кейсе за счет снижения трудоемкости процессов.

Глава 4. Проблемы и перспективы Big Data

4.1. Проблемы

Главные проблемы:
1. Большие данные неоднородны, поэтому их сложно обрабатывать для статистических выводов. Чем больше требуется параметров для прогнозирования, тем больше ошибок накапливается при анализе.

2. Для работы с большими массивами данных онлайн нужны огромные вычислительные мощности. Такие ресурсы обходятся очень дорого, и пока что доступны только большим корпорациям.

3. Хранение и обработка Big Data связаны с повышенной уязвимостью для кибератак и всевозможных утечек. Яркий пример — скандалы с профилями Facebook;

4. Сбор больших данных часто связан с проблемой приватности: не все хотят, чтобы каждое их действие отслеживали и передавали третьим лицам. Попав в Сеть однажды, информация остается там навсегда - даже будучи удаленной. Понятия «конфиденциальность» больше нет: интернет-гиганты знают о нас все.

5. Большие данные используют в своих целях не только корпорации, но и политики: например, чтобы повлиять на выборы.
4.2. Перспективы

Плюсы и перспективы:

Большие данные помогают решать глобальные проблемы - например, бороться с пандемией, находить лекарства от рака и предотвращать экологический кризис.

Big Data - хороший инструмент для создания умных городов и решения проблемы транспорта.

Большие данные помогают экономить средства даже на государственном уровне: например, в Германии вернули в бюджет около €15 млрд, обнаружив, что часть граждан получают пособие по безработице без всяких оснований. Их вычислили с помощью транзакций.

Один из примеров работы оператора с большими данными - платформа для поиска пропавших детей и взрослых «МегаФон Поиск». Система анализирует

---

, какие люди могли находиться рядом с местом пропажи человека, и рассылает им информацию с фотографией и приметами пропавшего. Оператор разрабатывал и тестировал систему совместно с МВД и организацией «Лиза Алерт»: в течение двух минут ориентировки на пропавшего получают более 2 тыс. абонентов, что значительно увеличивает шансы на удачный результат поиска.

В ближайшем будущем большие данные станут главным инструментом для принятия решений - начиная с сетевых бизнесов и заканчивая целыми государствами и международными организациями.
4.3. Big Data в современных реалиях

В апреле 2022 года в России состоялся 11-й форум «BIG DATA & AI», на котором традиционно должны были обсуждаться тенденции, технологии и практики в области больших данных и искусственного интеллекта. Однако повестка форума стала антикризисной. Спикеры обсудили самые насущные проблемы, волнующие профессиональное сообщество в условиях неопределенности, санкций и болезненного расставания с иностранными поставщиками платформенных решений. 

Данные, которые накапливаются внутри компаний, претерпели трансформацию- и не в лучшую сторону. В 2020-м, с наступлением пандемии, все пошли спасать бизнес, налаживать цепочки поставок - аналитика и качество данных ушли на второй план. На сегодняшний день ситуация усугубилась. Эксперты считают, что математические модели и взаимосвязи параметров, влияющих на принятие решений, претерпели драматические изменения. Так, если раньше ритейлер, заказывая продукты из-за рубежа, мог легко посчитать, например, себестоимость помидоров из Турции и спрогнозировать спрос, то сейчас нет. Логистика, сроки доставки, валютные риски существенным образом влияют на структуру затрат.

Что делать, чтобы индустрия данных выжила? Участники дискуссии обсудили пути стабилизации рынка в кризисной ситуации и возможности развития российских инноваций в сфере данных объединенными усилиями бизнеса и государства. Были подняты проблемы применения риск-ориентированного подхода к оценке методов обезличивания данных, затронуты вопросы тестирования методов обезличивания в рамках экспериментальных правовых режимов, а также рассмотрены нерешенные задачи доступа к медицинским данным и перспективы института дата-посредников.
Заключение

Большие данные, появившиеся как следствие движения общества по информационному пути развития, уже стали частью нашей ежедневной жизни. Почти каждый человек ежедневно генерирует информацию, которая обрабатывается и записывается на различного рода носители. Неудивительно, что правительство и бизнес, в их извечной гонке за эффективностью, крайне заинтересованы в анализе этой информации, что в свою очередь, подогревает интерес разработчиков к данной сфере.

---

Но необходимо помнить, что попав в круг пристального внимания прессы и инвесторов, Big data не стали чем-то качественно новым. Разработанные технологии анализа носят, скорее, количественный характер, и их развитие обусловлено, в первую очередь, появлением нового оборудования, обладающего большой вычислительной мощностью и возможностью записи огромных объемов информации.

Также, несмотря на наличие большого количества идей по использованию технологий Big data в социальной среде, их первоначальной целью было и остается извлечение прибыли.


Список литературы

1. Гудимова С. А. Алхимические и эзотерические идеи в культуре Возрождения / Гудимова С. А. // Вестник культурологии. 2018.

2. Телегин С. М. Алхимия как книга зеркал / Телегин С. М. // Культура и текст. 2015.

3. Винокуров В. В. Алхимия: elixir vitae и искусство умирать / Винокуров В. В. / Идеи и идеалы. 2011. №4(10).

4. Рабинович Л.А. «Алхимия как феномен средневековья».
Список источников
1. Яндекс.Дзен//«Алхимия – наука или заблуждение?». - https://zen.yandex.ru/media/id/5d73817c97b5d400ae75c43c/alhimiia-nauka-ili-zablujdenie-5d74c1a143863f00adbf231a

2. Краткое//«Изобретения алхимиков». - https://kratkoe.com/izobreteniya-alhimikov/

3. Дилетант//«Химия через алхимию» - https://diletant.media/articles/45252180/

4. Академик//«Внутренняя алхимия» - https://dic.academic.ru/dic.nsf/ruwiki/1289660

5. Узнай что такое//«Что такое алхимия». - https://www.uznaychtotakoe.ru/alhimiya/

6. Википедия//«Алхимия». - http://www.wiki93.ru/index.php?title

7. Нож//«Красильщики луны философы огня: 10 мифов об алхимии». - https://knife.media/alchemy/

8. Бумага//«Как древние алхимики искали рецепт бессмертия и пытались левитировать и какой была алхимия в СССР? Рассказывает соавтор книги «Страдающее Средневековье». - https://paperpaper.ru/kak-drevnie-alhimiki-iskali-recept-be/

---