18 февраля 2013
Что такое Большие Данные? Часть 1
Стив Ван Тилл
Большие Данные – это новое модное выражение, – «последнее слово», так сказать – вращающееся вокруг IT-ландшафта, точно также, например, как и предшествовавшая ему, быстро распространяющаяся «облачная» шумиха. Правда, если «облака» (или «облачные технологии») прочно укоренились в нашем лексиконе и в системах физической безопасности, Большие Данные только-только начинают появляться на горизонте. Учитывая огромное количество непроанализированных данных, которые скапливаются в нашей отрасли, Большие Данные, похоже, обещают извлечь из наших систем безопасности гораздо больше ценности для бизнеса, чем это когда-либо было возможно.
Что такое Большие Данные?
Мы все и на протяжении уже довольно долгого времени используем самые разные данные. Реляционные базы данных дают нам возможность отправлять запросы и просматривать результаты в том виде, в каком мы пожелаем. Действительно ли Большие Данные – это нечто большее, чем просто расширенная версия инструментария баз данных, к которым мы привыкли и которые мы знаем на протяжении десятилетий? Вопрос не такой и простой, как может показаться. В настоящий момент существует несколько точек зрения и несколько конкурирующих определений того, что в действительности представляют собой эти Большие Данные.
Первая – набор из трех «V»*: объем, скорость, многообразие. Сочетание трех этих факторов в абсолютно любой комбинации – и есть Большие Данные. Если принять эту точку зрения, то выходит, что каких-либо технических описаний технологии Больших Данных не существует. Да и, надо заметить, звучит она тоже не ахти и сильно походит на то, что мы давно уже знали, как Бизнес-анализ (Business Intelligence) – расширенные аналитические техники и техники визуализации, но в гораздо большем масштабе.
Следующая, это точка зрения, которая утверждает, что реальное отличие в том, что Большие Данные привнесли возможность не просто понимать большие объемы данных на высокой скорости, но делать все то же самое с так называемыми «неструктурированными» данными в режиме реального времени. Представьте себе сбор текущей информации из случайного текста, размещенного где-нибудь на одном из социальных медиа, с целью предсказать направление на фондовом рынке. Традиционные инструменты не станут делать за вас эту непростую задачу, так что вам придется подыскать себе кое-какие новые программные технологии.
Вторая точка зрения находится не так и далеко от нашего – третьего – определения того, что представляют собой Большие Данные. Так вот, наша точка зрения фокусируется на неких технологиях, которые требуются для обработки очень больших наборов данных – слишком больших, чтобы обрабатывать их при помощи известных нам традиционных методов и технологий. Я понимаю, что мое определение также расплывчато, но оно помогает свести вопрос к критерию «объема», когда речь идет о петабайтах и экзабайтах информации в качестве своего рода порога для настоящих Больших Данных.
Кто использует Большие Данные?
Сегодня Большие Данные используются для понимания многочисленных научных и связанных с бизнесом вопросов. В современной науке скопилось огромное количество наборов данных за достаточно продолжительный срок в таких областях, как физика элементарных частиц, метеорология, геномика и др. На протяжении всей человеческой истории ученые вынуждены были разрабатывать собственные аналитически методы для каждой из перечисленных областей (равно, как и для многих других). Однако, теперь в их распоряжении вся мощь инструментария Больших данных, созданного при помощи облачных вычислений и широко доступного, благодаря популярности открытого программного обеспечения.
И каковы результаты?
Крупные компании и корпорации, у которых есть доступ к ценным наборам данных, также используют эту новую технологию, чтобы понять и проанализировать сложные модели поведения клиентов для повышения рыночной доли. В этой области даже проведен ряд исследований, цель которых состоит в том, чтобы выявить и определить эффективность Больших Данных. Например, в ходе недавнего исследования, которое проводилось Массачусетским технологическим институтом, было обнаружено, что компании, которые использовали Большие Данные в своих целях, оказались в существенном преимуществе по сравнению со своими коллегами – на 5% более продуктивными и на 6% процентов более прибыльными. Цифры могут показаться небольшими, однако, в мире международного бизнеса, при существующей конкуренции, при постоянной борьбе и т.д., это очень впечатляющие показатели и ощутимая победа.
Ну и как это все связано с системами физической безопасности?
Переходя ближе к делу, замечу, что мы, те кто работает в отрасли безопасности, также являемся частью растущей тенденции, связанной с появлением так называемых кибер-физических систем безопасности (Cyber Physical Systems) и с широким распространением сенсорных сетей, которые с каждым годом производят все больше и больше данных. Это огромное количество данных попросту бесполезно, если они не могут быть серьезно проанализированы с целью получения ценности бизнеса. В этом и состоит загвоздка. Вам необходимо знать, какие именно проблемы вы хотите решить. И самая необходимая вещь для этого, если воспользоваться колким замечанием одного из наших отраслевых колумнистов, это…барабанная дробь – карандаш.
Как все это может помочь нашим заказчикам?
Итак, если мы достанем наши карандаши, то первые вопрос, который мы должны задать, будет следующим: какие именно проблемы по безопасности мы сможем решить для наших заказчиков, если у нас на руках будут все необходимые данные? Так вот, если мы будем исходить из этой точки зрения – то есть, каких именно результатов мы пытаемся достичь – то мы не станем рисовать разного рода впечатляющие графики, таблицы и показатели ради одних только впечатляющих графиков, таблиц и показателей.
Подумайте: что нужно нашим заказчикам?
Может ли понимание вариаций в поведении сотрудников помочь выявить потенциальные внутренние угрозы? Способно ли руководство крупного предприятия более эффективно распределять выделяемые на безопасность средства, если оно будет видеть, что представляет собой одной устройство по сравнению с другим? Смогут ли службы безопасности увеличить производительность своих систем, если у них будет возможность сравнить свои системы с системами коллег?
В серии задуманных статей мы рассмотрим вопросы ценности бизнеса, плюс совершим глубокое погружение в ключевые технологии и источники данных, которые помогут нам ответить на эти вопросы.
Что ж, пришло время затачивать карандаши.
*Примеч: англ: volume, velocity and variety.
Об авторе: Стив Ван Тилл – президент и генеральный директор компании Brivo Systems.
