CC BY
56
В.А. Терентьев, аспирант, кафедра экономической теории и экономического образования, Российский государственный педагогический университет им. А.И. Герцена, г. Санкт-Петербург, Россия, [email protected]
ИСПОЛЬЗОВАНИЕ ТЕХНОЛОГИИ IN-MEMORY COMPUTING ДЛЯ ПОЛУЧЕНИЯ КОНКУРЕНТНЫХ ПРЕИМУЩЕСТВ В ИНФОРМАЦИОННОЙ ЭКОНОМИКЕ
Современная рыночная экономика требует непрерывного повышения эффективности деятельности компаний. Во многом от этого зависят будущее организации, перспективы развития и ее инновационный потенциал. Новые технологии позволяют оперативно собирать и анализировать разные сведения: транзакции в банках, покупки в ритейл-сетях, логи поведения пользователей на сайте и т.д. Информатизация многих бизнес-процессов позволяет накапливать большие массивы данных (big data). При их анализе можно получить ценную информацию и на ее основе принять эффективное управленческое решение. Однако сегодня важен не столько объем обрабатываемых данных, сколько скорость их обработки. В рамках настоящей работы рассмотрен способ получения конкурентных преимуществ за счет увеличения скорости обработки больших объемов данных при помощи технологии in-memory computing (IMC). В основе этой технологии лежит переход от дисковых накопителей и flash-памяти к обработке данных непосредственно в оперативной памяти компьютера. Это дает многократное увеличение как объема обрабатываемых данных, так и скорости их обработки. Внедрение подобной технологии создает конкурентное преимущество для фирмы в борьбе с оппонентами на рынке в XXI веке. Ключевые слова: конкуренция, конкурентное преимущество, данные, информация, знания, информационная экономика, большие данные, вычисления в оперативной памяти, скорость обработки данных, управленческое решение.
Развитие технологий меняет существующие способы ведения хозяйственной деятельности. Сегодня для того, чтобы успешно функционировать в той или иной отрасли, требуются современные решения, позволяющие быстро адаптироваться к трансформации рыночной конъюнктуры.
Традиционно исследователи выделяют три стадии развития общества: аграрную, индустриальную и постиндустриальную. На каждой стадии существует определяющий фактор экономического развития (аграрная - сельское хозяйство, индустриальная - промышленное производство, пост-
индустриальная - информация). Ведущие экономики мира либо уже вступили в стадию постиндустриальной формации, либо активно стараются это сделать. Соответственно, новая реальность требует новых решений для эффективного ведения дел. Постиндустриальная стадия развития общества напрямую сопряжена с доминирующей ролью информации. Информационные технологии создают основу для ускорения бизнес-процессов. Следовательно, можно говорить об экономике, где ведущую роль играют информация и формирующиеся на ее основе знания. При этом следует понимать,
что любые технологии - это всего лишь инструмент, требующий корректной настройки и умения им пользоваться для обеспечения максимальной эффективности бизнеса. В этой связи целью на- -
стоящей работы является исследование механизма формирования конкурентных преимуществ за счет ускорения обработки больших данных при помощи технологии in-memory computing.
Конечным продуктом использования данной технологии будут являться информация и знания, на основе которых руководство компании сможет сформулировать оптимальные управленческие решения.
Для достижения поставленной цели необходимо решить ряд задач:
1) соотнести понятия «данные», «информация» и «знания»;
2) исследовать процесс накопления данных (big data);
3) проанализировать способ обработки данных при помощи in-memory computing;
4) выявить преимущества и недостатки применения данной технологии.
В рамках настоящей работы мы будем использовать понятия «данные», «информация» и «знания». Поэтому целесообразно разграничить эти термины, а также рассмотреть их иерархию. По нашему мнению, весьма продуманной моделью соотнесения вышеперечисленных категорий является модель
Данные являются фундаментом для дальнейшей управленческой деятельности в информационной экономике.
DIKW (англ. data, information, knowledge, wisdom - данные, информация, знания, мудрость)1. Схематично данная модель может быть представлена в виде треугольника, — в основании которого лежат данные. Данные являются источником информации, информация порождает знание, а на вершине располагается мудрость (рис. 1).
Охарактеризуем функциональную составляющую каждого элемента этой модели. Данные представляют собой некие зарегистрированные сведения и факты, зафиксированные на определенном носителе, пригодные для хранения, передачи и последующей обработки2. Продуктом обработки данных является информация, то есть информация -это совокупность данных, которые уже интерпретированы, которым удалось придать смысл3. В свою очередь, знания являются субъективным осмыслением информации, нашедшим свое выражение в практической деятельности. По мнению Р. Акоффа, «знание позволяет преобразовать информации в ин-струкцию»4, то есть знание может выступать в качестве основы действия (например, принятия управленческого решения). Категория мудрости подразумевает осознание корректных временных рамок применения знания (условия использования). Таким образом, мудрость базируется на человеческом опыте, который подсказывает не только верное решение на основе имеющихся знаний, но еще
Рис. 1. Модель DIKW
ДИСКУССИЯ t
журнал научных публикаций Ц
и момент времени (или временной промежуток), когда это решение принесет наилучший результат. Как правило, в управленческой деятельности верхний уровень менеджмента составляют опытные сотрудники, которые в ходе своей работы сталкивались со множеством различных проблемных ситуаций и успешно их преодолели.
Данные являются фундаментом для дальнейшей управленческой деятельности в информационной экономике. В этой связи вопросу их накопления следует уделять повышенное внимание. В постиндустриальном мире существует куда больше возможностей для накопления и анализа данных, чем в индустриальную эпоху. Удешевление носителей хранения информации позволяет аккумулировать большие массивы сведений, что способствует их оперативной обработке. Накопление и анализ больших объемов данных (больших данных) играют все более заметную роль в деятельности компаний. По оценке консалтингового агентства IDC, специализирующегося на выявлении тенденций в области информационных технологий, к 2019 году рынок больших данных вырастет на 50% - до 187 млрд долларов5.
Сам термин «большие данные» (англ. big data) появился относительно недавно, поэтому на сегодняшний день не существует его однозначной трактовки.
В общем виде под большими данными понимают большие объемы структурированных и неструктурированных данных, распределенные по многочисленным узлам вычислительной сети и устройствам хранения6.
Большие данные могут быть аккумулированы из различных источников:
— логи поведения — пользователей на сайте;
— информация о транзакциях клиентов банка;
— информация о покупках в ритейл-сетях;
— автоматическая видеофиксация право-
Сейчас наступает время, когда крупные игроки готовы делиться (порой даже на безвозмездной основе) с другими участниками рынка обезличенными накопленными данными.
го необходимо во главу угла ставить цели, преследуемые компанией при обработке данных. Как правило, большие данные доступны только для крупного бизнеса, так как только его технические мощности способны их аккумулировать. Еще несколько лет назад с подобным утверждением можно было согласиться с большой долей уверенности. Однако сейчас наступает время, когда крупные игроки готовы делиться (порой даже на безвозмездной основе) с другими участниками рынка обезличенными накопленными данными. Так, «Сбербанк» - ведущая банковская организация на территории России - будет продавать свои большие данные. Одними из первых покупателей станут розничные торговые сети8.
Само по себе получение больших данных - это важный процесс, однако он будет бессмысленным, если не знать, как правильно интерпретировать полученные сведения. При этом сегодня на первый план выходит не столько корректность интерпретации (хотя она, безусловно, важна и требуется априори), сколько скорость обработки данных. Проведя исследование накопленных массивов сведений, можно получить приемлемый для времени начала анализа вариант дальнейших действий, однако он уже будет устаревшим к концу процесса обработки. Динамичность рыночных процессов требует максимальной оперативности обработки данных. Для проведения быстрого анализа данных и получения выводов зачастую требуется их обработка в online-режиме. До недавнего времени практически все массивы данных накапливали на spinning disk (накопитель на жестких магнитных дисках) или ~ flash (твердотельное устройство хранения информации)9. Скорость работы подобных носителей данных не позволяет оперативно обрабатывать получаемые big data. Для решения этой проблемы требуются
нарушений на автотранспорте7. современные решения в IT-области. Одним
При этом важно не просто собирать све- из таких решений, которое в последнее вре-
дения (на что требуются определенные ре- мя набирает все большую популярность,
сурсы), но и уметь работать с ними. Для это- является технология in-memory computing
развития интернет-банкинга подобная практика является крайне востребованной у банков. В рамках работы финансовых отделов предлагается интеграция решений IMC с традиционными ERP-системами (enterprise resource planning - управление ресурсами предприятия). Это позволит улучшить финансовую дисциплину компании, так как аналитики смогут в режиме реального времени понять текущее финансовое состояние организации, сделав мгновенный анализ по многочисленным бухгалтерским записям.
Рост интереса к возобновляемым источникам энергии в скором времени изменит энергетическую отрасль. Технология IMC позволяет оперативно реагировать на изменения в распределении нагрузки при энергопотреблении. Э. Стир и К. Шмидт приводят в качестве примера координацию работы системы с возобновляемыми источниками энергии и электромобильного парка. Для обеспечения бесперебойной работы подобной системы необходимо учитывать энергетические запасы, количество потребителей энергии, силу ветра (посредством которого отчасти вырабатывается электроэнергия), погодные условия и т.п. Координация работы подобной системы невозможна без мгновенных отчетов о текущем состоянии дел, которые способна предоставить система, основанная на IMC.
Наконец, персонификация предложения для покупателя - это залог успеха в конкурентной борьбе. Авторы предлагают интегрировать решения IMC с системой CRM (customer relationship management - система управления взаимоотношениями с клиентами) для создания индивидуального ценового и неценового стимули-
Само по себе получение больших рования штр^тем.
данных - это важный процесс, Чтобы лучше п°-
однако он будет бессмысленным, нять, что представляет
собой технология in-
если не знать, как правильно
memory computing, пред-
интерпретировать полученные
ставим процесс взаимосведения.
действия пользователя
(IMC), или вычисления в оперативной памяти компьютера. Подобного рода вычисления могут проходить в сотни и тысячи раз быстрее, чем на стандартных дисках.
При этом существует достаточно широкий спектр направлений применения технологии IMC. Э. Стир и К. Шмидт - представители компании «Intelligence» - одного из лидеров рынка в области решений IMC, в своей работе приводят 5 различных направлений активности в бизнесе, где технология IMC позволяет получать конкурентные преимущества10:
1) усовершенствованный контроль и планирование товарных запасов;
2) обнаружение мошеннических операций в банковской сфере;
3) оптимизация работы бухгалтерии по своевременному закрытию отчетного периода;
4) аналитика и мгновенная реакция на изменения в сфере энергетики и транспорта;
5) формирование индивидуального ценового и неценового предложения для покупателя.
Рассмотрим представленные направления более детально.
Проблема управления товарными запасами сводится к учету перманентно меняющихся факторов: спроса покупателей, задержек с поставками товара, остатков на складах магазинов и т. п. Чтобы оперативно принимать решения по поводу поддержания оптимальных запасов, необходимо быстрое формирование отчетов о текущем положении дел в каждом отдельном магазине. Так, после внедрения технологии IMC, один крупный ритейлер бытовой техники в Восточной Европе смог сократить скорость получения важных бизнес-отчетов в 167 раз.
В банковской сфере решения IMC помогают отслеживать мошеннические операции посредством сравнения шаблонного поведения миллионов пользователей с нестандартными манипуляциями злоумышленников. С учетом современного
с крупным интернет-
магазином (рис. 2).
Потенциальный клиент совершает определенные действия на сайте, посещает разделы сайта, ищет необходимый ему то-
Клиент
Посещает разделы интернет-магазина, карточки товаров
Релевантное предложение 1
Посещает разделы интернет-_магазина, карточки товаров
Клиент Л
I Релевантное предложение 2 ---------------
Посещает разделы интернет магазина, карточки товаров
Клиент
I у Релевантное предложение п
ч^^х;.-------
Интернет-магазин
Список релевантных предложений для клиента (CRM-система)
7\
Г N
Анализ портрета покупателя,
подбор актуального предложения в режиме online
^ (in-memory computing)__^
7У
X/
f л
Накопленные большие данные о других пользователях
(big data)
Рис. 2. Пример работы технологии in-memory computing в крупном интернет-магазине
вар. Технология in-memory computing на основе модели поведения других пользователей (накопленные big data) и поведения данного потенциального клиента мгновенно подбирает релевантные предложения, которые, с большой степенью вероятности, удовлетворят потребность пользователя. Крупные интернет-магазины ежедневно посещают миллионы человек. Поэтому оперативно справиться с вышеописанной работой могут только компании, в чьи бизнес-процессы (в данном случае, в онлайн-ритейл) внедрена технология in-memory computing.
Насколько же эффективно внедрение технологии in-memory computing в бизнес-практику? Существует ряд исследований, посвященных этому вопросу. Для примера рассмотрим работу Н. Ров, занимающейся из-
учением влияния технологии in-memory computing на работу различных компаний во всем мире. В ходе ее исследования были проанализированы 196 компаний, которые накапливают big data на своих ресурсах. Представители только 33 организаций сказали, что они используют в своей работе технологию in-memory computing. Как оказалось в итоге, этот сегмент компаний показывает большую эффективность в плане работы с данными. Фирмы, использующие IMC, способны быстрее обрабатывать данные и в большем объеме по сравнению со своими оппонентами, которые не задействуют IMC в работе.
В таблице представлены сравнительные характеристики компаний, использующих и не использующих технологию in-memory computing.
Сравнение компаний, использующих и не использующих технологию in-memory computing
в бизнес-процессах11
Показатели Используют IMC (33 компании) Не используют IMC (163 компании) Преимущества от использования IMC
Среднее количество бизнес-данных за год 38 терабайт 18 терабайт В 2,1 раз больше данных
Среднее количество анализируемых данных из собранных 14 терабайт (37% всех данных) 4 терабайта (22% всех данных) В 3,5 раза больше данных
Время анализа данных или запроса 42 секунды 75 минут В 107 раз быстрее
Объем данных, обрабатываемый за час 1200 терабайт 3,2 терабайта В 375 раз эффективнее
Как видно из таблицы, технология IMC позволяет обрабатывать большее количество данных в сравнении с традиционными методами (в 3,5 раза больше объем обработанных данных за час). Однако ключевое преимущество заключается не столько в объеме, сколько в скорости обработки (в 107 раз быстрее). Выигрыш в скорости обработки информации может стать ключевым преимуществом в конкурентной борьбе.
При этом всегда важно понимать экономическую целесообразность внедрения подобной технологии. Не слишком ли дорого обойдется использование IMC для компании? Как отмечает Н. Иванов, основатель компании «GridGain», одной из ведущих фирм по предоставлению услуг в сфере IMC, сегодня стоимость памяти продолжает падать, поэтому технология IMC становится все доступнее12. При этом данная технология позволяет значительно повысить скорость обработки данных. Также к преимуществам этой технологии можно отнести ее быстрое внедрение в бизнес-процессы компаний. К примеру, компания «Colgate» использовала технологию IMC для анализа своей рентабельности и затрат. На внедрение системы на основе IMC ей потребовалось меньше месяца13. Еще одним достоинством данной технологии является предоставление аналитических данных в режиме реального времени.
Среди ограничений, сдерживающих развитие технологии IMC, можно отметить относительную новизну данного метода обработки и все сопутствующие недостатки (отсутствие проработанных отраслевых стандартов и специалистов нужной квалификации)14. Безусловно, сам бизнес еще не смог по достоинству оценить преимущества данной технологии. Поэтому сегодня внедряют IMC в свои бизнес-процессы в основном крупные и средние предприятия, обладающие достаточными финансовыми ресурсами, накопленными базами big data и стремящиеся удержать лидирующее положение в отрасли.
Резюмируя содержание работы, следует отметить, что благодаря использованию технологии in-memory computing можно получить сильное конкурентное преимущество
за счет ускорения обработки большего объема данных и принятия управленческих решений в максимально сжатые сроки. Среди достоинств данной технологии можно отметить относительную быстроту внедрения в бизнес-процессы, удешевление основных аппаратных компонентов (в первую очередь, оперативной памяти) и интерпретацию данных в режиме онлайн. Сдерживающими факторами распространения данной технологии являются отсутствие отраслевых стандартов, квалифицированных специалистов-аналитиков и нежелание бизнеса вкладываться в относительно новую технологию (боязнь инноваций).
С развитием информационных технологий объем генерируемых данных с каждым годом будет только увеличиваться. Поэтому в будущем востребованность технологий, подобных in-memory Computing, будет возрастать.
Литература
1. Rowley J. The wisdom hierarchy: représentations of the DIKW hierarchy // Journal of Information and Communication Science. 2007. № 33. P. 163-180.
2. Калягина Л.В., Разумов П.Е. Категория «данные»: понятие, сущность, подходы к анализу // Вестник Красноярского государственного аграрного университета. 2014. № 4. С. 4.
3. Ходжсон Дж. Социально-экономические последствия прогресса знаний и нарастания сложности // Вопросы экономики. 2001. № 8. С. 34.
4. Акофф Р. От данных к мудрости // Проблемы управления в социальных системах. 2011. № 4. С. 85.
5. Big Data, Analytics Sales Will Reach $187 Billion By 2019 [Электронный ресурс]. URL: http://www. informationweek.com/big-data/big-data-analytics/ big-data-analytics-sales-will-reach-$187-billion-by-2019/d/d-id/1325631 (дата обращения: 07.01.2017).
6. Hadoop, Yahoo, «Big Data» Brighten BI Future [Электронный ресурс]. URL: http://www.eweek. com/c/a/Data-Storage/TBAHadoop-Yahoo-Big-Da-ta-Brightens-BI-Future-254079 (дата обращения: 06.12.2016).
7. Big Data от А до Я. Часть 1: Принципы работы с большими данными, парадигма MapReduce [Электронный ресурс]. URL: https://habrahabr. ru/company/dca/blog/267361/ (дата обращения: 06.12.2016).
ДИСКУССИЯ t
журнал научных публикаций Ц
8. Сбербанк вслед за сотовыми операторами выходит на рынок больших данных [Электронный ресурс]. URL: http://www.vedomosti.ru/technology/ articles/2016/11/23/666539-sberbank-rinok-bolshih-dannih (дата обращения: 06.12.2016).
9. Быстрые данные против больших: как скорость обработки информации меняет бизнес и общество [Электронный ресурс]. URL: https://vc.ru/p/big-fast-data (дата обращения: 13.12.2016).
10. Стир Э., Шмидт К. Эффективное управление вашим бизнесом в режиме реального времени [Электронный ресурс]. URL: https:// itelligencegroup.com/wp-content/usermedia/1824_ ITEL_WP_HANA_RU_WEB_final.pdf (дата обращения: 15.01.2017).
11. Aberdeen research study «In-memory Computing» (January 2012) [Электронный ре-
сурс]. URL: http://www.aberdeen.com (дата обращения: 13.12.2016).
12. In-Memory Computing: самый быстрый подход к big data [Электронный ресурс]. URL: https:// www.crn.ru/news/detail.php?ID=116065 (дата обращения: 04.01.2017).
13. Рынок аналитики in-memory выходит из «подросткового» возраста [Электронный ресурс]. URL: http://www.cnews.ru/reviews/free/BI2010/articles/ articles5.shtml (дата обращения: 15.12 2016).
14. Elliott T. The Business Impact of In-Memory Computing, From Run to Transform [Электронный ресурс]. URL: http://www.digitalistmag. com/technologies/big-data/2013/05/03/the-business-impact-of-in-memory-computing-from-run-to-transform-2-031038 (дата обращения: 15.12.2016).
IN-MEMORY COMPUTING TECHNOLOGY APPLICATION FOR GETTING COMPETITIVE ADVANTAGES IN INFORMATION ECONOMICS
V.A. Terentyev, postgraduate.
The department of economic theory and economic education.
Herzen State Pedagogical University of Russia.
St. Petersburg, Russia, [email protected]
The modern market economy requires constantly growing efficiency of companies' activity. It defines a future of organization, development perspectives and its innovative potential. New technologies allow gathering and analyzing of different information: bank transactions, purchases in retail chains, users' behavior at websites logs and others. Informatization of many business processes allows accumulating of big data arrays (so called "bid data"). Analysis of these arrays one can get valuable information and on the base of it to make an efficient managerial decision. But today the volume of processed data is not important in comparison with its rate. This paper considers the method of getting competitive advantages by means of speeding up of data processing using the technology of in-memory computing (IMC). The base of this technology is a transition from disk storage devices and flash memory to processing of data in RAM. It speeds up volumes and rate of data processing. Introduction of this technology support competitive advantage of a company at the market of XXI century.
Key words: competition, competitive advantage, data, information, knowledge, information economics, bid data, RAM calculations, data processing rate, managerial decision.
References
1. Rowley, Jennifer 2007. The wisdom hierarchy: representations of the DIKW hierarchy. Journal of Information and Communication Science. 2007, no.33, pp. 163-180.
2. Kaljagina L. V., Razumov P. E. Kategorija «dannye»: ponjatie, sushhnost', podhody k analizu [Category "data": definition, nature, approaches to analysis]. Vestnik Krasnojarskogo gosudarstven-nogo agrarnogo universiteta - Bulletin of Krasnoyarsk state agrarian University. 2014, no. 4, p.4.
3. Hodzhson Dzh. Social'no-jekonomicheskie posledstvija progressa znanij i narastanija slozhnosti [Socio-economic consequences of the progress of knowledge and the growing complexity]. Voprosy jekonomiki —Questions of economy. 2001, no 8, p.34.
4. Akoff R. Ot dannyh k mudrosti [From data
to wisdom]. Problemy upravlenija v social'nyh sistemah - Problems of control in social systems. 2011, no 4, p.85.
5. Big Data, Analytics Sales Will Reach $187 Billion By 2019. Available at: http://www.informationweek. com/big-data/big-data-analytics/big-data-analytics-sales-will-reach-$187-billion-by-2019/d/d-id/1325631 (accessed: 07.01.2017).
6. Hadoop, Yahoo, «Big Data» Brighten BI Future. Available at: http://www.eweek.com/c/a/Data-Storage/TBAHadoop-Yahoo-Big-Data-Brightens-BI-Future-254079 (accessed: 06.12.2016).
7. Big Data ot A do Ja. Chast' 1: Principy raboty s bol'shimi dannymi, paradigma MapReduce [Great And information. Part 1. Principles of big data, mapreduce paradigm]. Available at: https://habrahabr. ru/company/dca/blog/267361/ (accessed: 06.12.2016).
8. Sberbank vsled za sotovymi operatorami vyhodit na rynok bol'shih dannyh [Sberbank followed by mobile operators entering the market of big data]. Available at: http://www.vedomosti.ru/technology/ articles/2016/11/23/666539-sberbank-rinok-bolshih-dannih (accessed: 06.12.2016).
9. Bystrye dannye protiv bol'shih: kak skorost' obrabotki informacii menjaet biznes i obshhestvo [Fast data vs. big: how the speed of information processing is changing business and society]. Available at: https:// vc.ru/p/big-fast-data (accessed: 13.12.2016).
10. Stir Je., Shmidt K. Jeffektivnoe upravlenie vashim biznesom v rezhime real'nogo vremeni [Effective management of your business in real time]. Available at: https://itelligencegroup.com/wp-content/ usermedia/1824_ITEL_WP_HANA_RU_WEB_ final.pdf (accessed: 15.01.2017)
11. Aberdeen research study «In-memory Computing» (January 2012). Available at: http://www. aberdeen.com (accessed: 13.12.2016).
12. In-Memory Computing: samyj bystryj podhod k big data [Computing in memory: the fastest approach to big data]. Available at: https://www. crn.ru/news/detail.php?ID=116065 (accessed: 04.01.2017)
13. Rynok analitiki in-memory vyhodit iz «pod-rostkovogo» vozrasta [Analytics Market in memory comes from the "teen" age]. Available at: http://www. cnews.ru/reviews/free/BI2010/articles/articles5.shtml (accessed: 15.12 2016)
14. Elliott T. The Business Impact of In-Memory Computing, From Run to Transform. Available at: http://www.digitalistmag.com/technologies/ big-data/2013/05/03/the-business-impact-of-in-memory-computing-from-run-to-transform-2-031038 (accessed: 15.12.2016).
