Одно из наиболее перспективных применений Больших Данных — прогнозная аналитика, предсказание будущего на основе обработки большого массива данных о прошлом. Именно эта тема стала основной в выступлениях представителей Microsoft на форуме «BIG DATA 2016, проведенном издательством «Открытые системы».

Задачи такого рода можно условно разбить на две категории — «техническую», наиболее частый пример — использование данных с датчиков для организации проактивного обслуживания техники, и «социальную», в которой объектом исследования становятся люди.

Леонид Березовский, руководитель отдела продаж платформы управления данными Microsoft, сосредоточился на последней категории и привел два примера использования технологий корпорации.

Российская компания Raxel Telematics предлагает страховым агентствам средство оценки каждого отдельного клиента. Устройство устанавливается в автомобиль страхуемого и при движении передает в скоринговую систему на базе Microsoft Azure информацию о времени вождения, скорости, пробеге, а, главное, о стиле езды — о резких торможениях, ускорениях и прочих небезопасных маневрах застрахованной машины. Эти данные обрабатываются скоринговой системой Raxel в облаке Microsoft Azure в реальном времени и исходя из них страховщик может предсказать для конкретного водителя вероятность наступления страхового случая и выставить справедливую цену за КАСКО.

Водитель в свою очередь видит через мобильное приложение, установленное на смартфон, как оценивает система тот или иной его маневр, и может улучшать свой имидж в глазах страховой компании аккуратной ездой. Что, помимо прочего, положительно влияет на дорожную обстановку.

Другой приведенный Березовским пример — контракт с мадридским «Реалом». Богатейший футбольный клуб (оборот — 574 млн евро) имеет по всему миру около 400 млн болельщиков. И заработки «Реала», будь то плата за телетрансляции матчей или доходы от продажи билетов и сувениров, в конечном счете зависят от его отношений с торсидой.

Прогнозная аналитика обещает «сыграть на опережение» и решить многие проблемы еще до их возникновения

Источник: Microsoft

Для того чтобы лучше понимать своих фанатов, «Реал» заключил в ноябре 2014 года контракт с Microsoft о создании для испанского клуба облачной платформы, которая объединит всех болельщиков и даст возможность формировать каждому из них персональные предложения по части товаров и контента. Платформа будет собирать информацию о каждом болельщике из всех возможных источников (информация в профиле болельщика, история покупок, посещение матчей, активность в соцсетях) и давать руководству клуба рекомендации по работе с ним.

Пул специализированнных средств Microsoft в области прогнозной аналитики строится вокруг среды разработки Revolution R компании Revolution Analitics, купленной Microsoft в 2015 году. (R — язык программирования для статистической обработки данных.) В «промышленной» версии Microsoft R Server, как заверила Алена Дробышевская, руководитель направления продаж платформы управления данных в крупнейших компаниях финансового сектора, он оптимизирован для многопоточных вычислений и стал гораздо быстрее справляться с большими объемами данных.

Задачи работы с клиентами во всех «розничных» организациях (банки, телеком, ретейл) более-­менее одинаковы — не допустить ухода и поднять прибыль с каждого. Для этого необходимо найти путь к сердцу если не каждого фаната персонально, то, по крайней мере, члена однородной (по какому-то параметру) группы.

Сервис Azure Machine Learning, утверждает Дробышевская, способен с высокой точностью сегментировать и заново собрать клиентов в кластеры, подсказать оптимальный способ общения с каждой группой и даже день, когда коммуникация будет наиболее эффективна.

Еще одна задача, весьма актуальная для финансовых учреждений, противодействие мошенничеству, также решается путем объединения через размежевание (в однородных группах подозрительные операции выделяются четче).

На облачной платформе можно даже создать персонального финансового менеджера, такого, например, какого на базе Azure создала российская компания Rubbles. Он выдает клиенту персональные рекомендации по сокращению расходов, помогает анализировать и планировать его финансовую жизнь. Система выделяет наиболее характерные шаблоны поведения клиента и находит возможности для экономии. На сайте Rubbles утверждается, что благодаря этим советам на счету среднего клиента «Альфа-Банка» в месяц сохраняется дополнительных 4,6 тыс. руб.