XXIV Ranking Banków Miesięcznika Finansowego Bank 2019. Automatyzacja: „Pracownicy” bez wypłaty

BANK 2019/06

Fot. willyam/stock.adobe.com

Robotyzacja, sztuczna inteligencja i big data to od lat jedne z najgorętszych haseł w obszarze finansów. Banki rozpoczęły eksperymenty od prostych robotów, automatyzujących najbardziej podstawowe procesy wewnętrzne, dziś udostępniają zaawansowane systemy oparte na chatbotach, a ostatnio coraz częściej voicebotach.

Żyjemy w świecie, w którym każdego dnia przybywa 2,5 mld GB danych. Ośrodek badawczy SINTEF wyliczył, że 90% światowych zasobów informacji wygenerowanych zostało w ciągu ostatnich… dwóch lat. Dlatego powstał termin big data. To zestaw rozwiązań umożliwiających przetwarzanie i analizowanie bardzo dużych danych, niejednokrotnie liczonych w miliardach zarejestrowanych zdarzeń. Technologia ta zmienia niemal każdy biznes, a rewolucja dotyczy każdego z nas. Nawet jeśli nie zdajemy sobie z tego sprawy, to i tak jesteśmy stale podłączeni do sieci.

Internet rzeczy nie jest już innowacją, ale nową rzeczywistością. Coraz chętniej używamy inteligentnego sprzętu. Smartfon, smartwatch, smart-TV to tylko początek. Na popularności zyskują inteligentne domy. Sięgamy po urządzenia AGD sterowane telefonem – w tym automatyczne odkurzacze, wagi łazienkowe, pralki, lodówki, systemy klimatyzacji. Transformacja cyfrowa sprawia, że do kieszeni zabieramy „nasze życie”, w szczególności rodzinę i przyjaciół (np. portale społecznościowe – Snapchat, Facebook, Twitter), rozrywkę (np. wypożyczalnie filmów, seriali i muzyki – Spotify, Netflix), wspomnienia (np. przechowalnia fotografii i filmów – Zdjęcia Google, Dropbox, OndeDrive), mapy świata i usługi nawigacji (np. Mapy Google, Yanosik, NaviExpert), listy zakupowe i sklepy (np. Allegro, aplikacja smartshoppingowa goodie, Listonic) oraz usługi finansowe (np. bankowość mobilna, PayPal, Revolut). Te wszystkie rozwiązania muszą być proste i niezawodne. Jest to w dużej mierze zasługa technologii big data oraz wydajnych algorytmów uczenia maszynowego.

– Stosowanie metod sztucznej inteligencji sprawia, że niejednokrotnie wspomniane wyżej usługi miło nas zaskakują – Spotify rekomenduje utwory, które naprawdę trafiają w nasz gust, Zdjęcia Google i asystent wspomnień zarządzają naszą pamięcią, a aplikacja goodie rekomenduje zniżki w naszych ulubionych sklepach – zauważa Mariusz Gromada, dyrektor Departamentu Zarządzania Kampaniami Banku Millennium.

Big data to również strategia obecnego i przyszłego zarządzania informacją. Słowem kluczem jest tu „informacja”. Chodzi o to, by nie zgubić się w oceanie danych, skupiając się jedynie na wartościowej i praktycznej wiedzy. Trend „AI Democratization” sprawia, że korzystanie z metod uczenia maszynowego i sztucznej inteligencji nie jest już zarezerwowane dla wąskiej klasy specjalistów. Chmura obliczeniowa znacząco upraszcza i skraca czas dostarczania rozwiązań. To są główne kierunki zmian, które dziś obserwujemy. Technologia nadal błyskawicznie się rozwija. Przykładem tego jest szybkie i częste pojawianie się na rynku nowych produktów i funkcjonalności – głównie za sprawą rozwoju oprogramowania typy open-source.

Idzie nowe

– Postępująca robotyzacja, wykorzystująca coraz szerzej machine learning i analizę potężnych zbiorów danych, pozwala zoptymalizować pracę banków w wielu różnych obszarach. Teleboty już dziś mają zastosowanie, np. w procesie windykacji. Analiza big data pozwala poprawić modele ryzyka kredytowego. Analiza behawioralna wykorzystywana jest w systemach antyfraudowych, czy zbieraniu wniosków kredytowych. Automatyzacja i wsparcie pogłębioną analityką zachowań już dziś pomaga usprawnić i jeszcze lepiej prowadzić rekrutację, a później ścieżkę kariery pracowników – podkreśla Bartłomiej Dajer, New Business Development Dyrektor w Credit Agricole Polska.

Największy potencjał wykorzystania sztucznej inteligencji tkwi w big data

Ponad 3200 firm prowadzi prace nad sztuczną inteligencją – wynika z analiz dr. Andrzeja Wodeckiego, adiunkta na Wydziale Zarządzania Politechniki Warszawskiej. W połowie maja tego roku, 3269 firm uwzględnionych w statystykach Index.co. deklarowało, że zajmuje się sztuczną inteligencją. Najwięcej, bo 1947 z nich specjalizuje się w technologii big data, 1724 firmy prowadzą prace w zakresie uczenia maszynowego, a 682 specjalizuje się w wykorzystaniu sztucznej inteligencji w obszarze internetu. Mniej popularna jest działalność badawcza skoncentrowana np. na przetwarzaniu języka naturalnego (375 firm), wykorzystaniu AI w marketingu (238), obszarze finansów (208) czy zdrowia (199). Najmniej firm deklaruje, że zajmuje się analityką predyktywną.

Roboty i kojarzona z nimi sztuczna inteligencja wywołują w społeczeństwie szereg kontrowersji. Przyczyn takiego staniu rzeczy jest kilka. Dla przykładu – popularne filmy science fiction, w tym seria „Terminator”, utrwalały obraz autonomicznego robota zabójcy. Tymczasem, tak naprawdę, badania nad robotami i AI przyjmują głównie bardzo pozytywny dla ludzkości kierunek. Inny powód niepokoju to niedostateczna wiedza o sztucznej inteligenci. W tym przypadku modyfikacja kształcenia mogłaby poprawiać sytuację na rynku pracy – w nieodległej przyszłości wiele robót będą przecież wykonywać za nas automaty. Edukacja powinna kłaść nacisk na aktywną formę korzystania z możliwości, jakie oferuje sztuczna inteligencja.

– Potencjał tkwiący w tych rozwiązaniach jest ogromny. One już zmieniają świat. Zapewne niewielu z nas zdaje sobie sprawę, że wielokrotnie w ciągu dnia, wchodzi w interakcję z wysoce wyrafinowaną sztuczną inteligencją. Wyszukiwarka Google, to przecież wirtualny robot. Jak bardzo nasze życie byłoby trudniejsze bez tych rozwiązań? AI napędza autonomiczne samochody. Niemal wszystkie duże koncerny motoryzacyjne posiadają już gotową technologię. Niezbędne są rozwiązania prawne i odpowiednie homologacje. Dzięki nim w miastach nie byłoby korków ani wypadków. Osoby niewidome mogłyby posiadać samochód i go używać. To bardzo nieodległa przyszłość. Już dziś wirtualni asystenci ułatwiają realizację codziennych czynności. Amazon Alexa, Asystent Google, Apple Siri – są najbardziej rozpowszechnione – wylicza Mariusz Gromada.

Data Science w banku

Zespół Data Science wykorzystuje nowe technologie uczenia maszynowego i sztucznej inteligencji w przygotowywaniu systemów automatyzujących i ułatwiających codzienną pracę. Jednym z ciekawszych zastosowań tych technologii są systemy wyznaczające profile dochodowe i wydatkowe klientów banku. W tym celu analizują wpływy na konto (odfiltrowując te, które za dochód nie można uznać), ich cykliczność oraz wysokość. Z drugiej strony – analizują także wydatki. Sprawa nie jest prosta, chociażby ze względu na czasem enigmatyczne opisy transakcji. Koniec końców jednak spora część klientów może skorzystać z dodatkowych produktów banku bez oczekiwania na decyzję pracownika instytucji.
Najnowszy projekt, który jest jeszcze w fazie rozwojowej, to analiza obrazu wideo w oddziałach. W każdym z oddziałów ING Banku Śląskiego zainstalowane są kamery. Służą one do celów bezpieczeństwa, ale ich zastosowanie jest szersze. Na podstawie analizy wideo można nie tylko sprawdzić, czy ktoś nie śpi w pomieszczeniu bankomatowym, ale także przewidywać zwiększony ruch klientów w korelacji do innych wydarzeń, takich jak święta narodowe, lunch czy inne lokalne wydarzenie. Co ważne, analiza taka w żaden sposób nie przetwarza wizerunku osób, dzięki czemu klienci mogą być spokojni o swoją prywatność.

Źródło: ING Bank Śląski

To jedynie wybrane przykłady, dosyć podstawowe, ponieważ sztuczna inteligencja jest na wstępnym poziomie rozwoju. Potrafimy rozwiązać problemy maszynowego widzenia, maszynowego słyszenia, maszynowego rozumienia tekstu naturalnego. Są dostępne algorytmy z łatwością pokonujące mistrzów gier strategicznych (szachy, Go). Boston Dynamics buduje roboty, które potrafią samodzielnie poruszać się w trudnym terenie. AI skutecznie wspiera obszar biometrii. Nie powstał jednak do tej pory algorytm, który potrafiłby w sposób generyczny rozwiązać wszystkie problemy. Trwają prace nad Artificial General Intelligence (Strong AI), być może komputery kwantowe przyniosą rewolucję w tym zakresie.

– Warto pamiętać, że przynajmniej na razie mówienie o sztucznej inteligencji jest trochę na wyrost. O inteligencji możemy mówić, kiedy jakiś system będzie w pełni autonomiczny i zdolny do podejmowania decyzji za człowieka. Dziś, nawet przy bardzo zaawansowanych systemach analitycznych, decyzję ostateczną podejmuje człowiek. Uzbrojony w potężną wiedzę dzięki technologii, ale nadal to człowiek jest za decyzję odpowiedzialny. Przed nami jeszcze sporo do zrobienia nie tylko w kwestiach technologicznych, ale także na przykład w obszarze legislacji. Zobaczymy też, jakie podejście będą mieli regulatorzy przy podejmowaniu decyzji o dopuszczeniu bądź nie do użycia systemów w pełni autonomicznych do zarządzania pieniędzmi klientów banków – zauważa Bartłomiej Dajer.

Praktyka w analityce

Obecnie mamy pierwsze sposoby wykorzystania sztucznej inteligencji w bankowej codzienności – w mikro-personalizacji oferty.

Rodzaje botów

Bot – jest to program wykonujący pewne czynności w zastępstwie człowieka, czasem jego funkcją jest wręcz udawanie ludzkiego zachowania. Botami nazywane są programy komputerowe symulujące działanie żywych użytkowników mogące samodzielnie funkcjonować w przestrzeni przeznaczonej dla ludzi. Boty internetowe odpowiadają obecnie już za ponad 50% ruchu w internecie, np. przeglądanie stron www, publikowanie treści, odtwarzanie mediów czy pobieranie plików.

Chatboty – te komercyjne boty organizacje wykorzystują do tworzenia automatycznych asystentów obsługujących klientów online. W głównej mierze do komunikacji z konsumentami i użytkownikami ich usług. Dzięki temu można zoptymalizować proces obsługi, jego szybkość oraz odciążyć własny zespół konsultantów. Obecnie funkcjonujące chatboty możemy podzielić na cztery główne rodzaje: powiadamiające, procesowe, konwersacyjne i dyspozycyjne.

Chatbot powiadamiający – jest przygotowywany z myślą o prowadzeniu jednokierunkowej komunikacji do swoich użytkowników „subskrybentów”, wysyła im powiadomienia zgodnie z ustalonym harmonogramem (np. codzienna porada, informacja) lub w przypadku określonych zdarzeń, tzw. triggerów (np. powiadomienie o nadaniu przesyłki). Ten chatbot można przyrównać do newslettera jednak dzięki zastąpieniu zaspamowanej skrzynki e-mail botem, staje się on nowym kanałem komunikacji – instant messengerem.

Chatbot procesowy – pozwala użytkownikowi jedynie przejść z góry ustalony proces, wymagający podejmowania przez niego szeregu decyzji, ograniczając je jednak do z góry określonej puli wyborów. Te chatboty nie pozwalają na swobodną konwersację z użytkownikiem. Użytkownik jest ograniczony, wręcz zmuszony, do wybierania tylko oferowanych mu opcji. Najlepszym przykładem takiego rozwiązania jest np. proces złożenie wniosku o otwarcie konta bankowego, zgłoszenie szkody ubezpieczeniowej czy zamawianie pizzy.

Chatbot konwersacyjny – pozwala użytkownikowi na swobodną rozmowę, jednocześnie dając poczucie dialogu z prawdziwym człowiekiem poprzez wykonywanie poleceń i odpowiadanie na zadane pytania naturalnym językiem użytkownika. Bardzo często sami klienci nie mają wręcz pojęcia, że rozmawiają z botem. Jest to możliwe dzięki wykorzystaniu tzw. silnika NLP (od ang. Natural Language Processing), który z wypowiedzi użytkownika jest w stanie wyłowić jego intencję (potrzebę, ang. intent), a także istotne parametry jego zapytania (ang. entities).

Chatbot dyspozycyjny – łączy cechy botów procesowych z konwersacyjnymi. Jest to najnowszy trend, który pozwala zlecać wykonywanie nawet zaawansowanych czynności w imieniu użytkownika poprzez chat lub polecenia słowne. Pozwala np. na sprawdzenie salda konta, realizację przelewu czy zamawiania usług, np. taksówki. Wymaga jednak ścisłej integracji z używanymi systemami informatycznymi, posiadania silnika NLP oraz spełnienia szeregu procedur bezpieczeństwa. Pozwala również na wykorzystanie popularnych asystentów głosowych poprzez ich implementacje i zintegrowanie z wykorzystaniem rozwiązań typu voicebot.

Źródło: Bank Pekao SA

Szybka decyzja o przyznaniu kredytu, pomoc w planowaniu wydatków, indywidualne promocje i zniżki oferowane w czasie wizyty w galerii handlowej czy kinie – taką mikro-personalizację oferty produktowej dla klientów banków zapewnia analityka behawioralna, wykorzystująca big data i sztuczną inteligencję. Firma ITMAGINATION zrealizowała właśnie na polskim rynku jeden z takich projektów wykorzystujących analitykę danych do indywidualizowania usług finansowych. Celem projektu było zapoznanie się z każdym z klientów banku, ich aktywnością w sferze finansów osobistych, potrzebami i preferencjami oraz usprawnienie współpracy w obszarze świadczonych przez bank usług. Dzięki temu projektowi bank może dziś przygotowywać w zautomatyzowany sposób, wykorzystując uczenie maszynowe, indywidualne oferty i promocje dla swoich klientów. Z drugiej strony skuteczniej zarządza ryzykiem kredytowym, wykorzystując modele predykcyjne tworzone na podstawie zanonimizowanych danych o aktywnościach poszczególnych osób, które prognozują tak ważne zmienne, jak np. ocena wiarygodności klienta czy ryzyko nieregularności w spłacie kredytu. Wyobraźmy sobie, że bank jest w stanie poinformować nas, że przepłacamy za niektóre usługi i podpowiedzieć, jak możemy oszczędzić część swoich pieniędzy. Przykładowo, gdy opłaty za telefon przekraczają średnią dla grupy wiekowej danego użytkownika, bank zaproponuje mu renegocjację umowy lub skorzystanie z usług innego operatora. Dodatkowo, dzięki możliwości podpowiadania narzędzia finansowego – do konkretnych sytuacji i potrzeb – bank może daną osobę w czasie rzeczywistym wspierać w zarządzaniu finansami. Przykładowo, na podstawie dokonywanych regularnie przez klienta płatności, aplikacja mobilna powiadomi go o nadchodzących opłatach kilka dni wcześniej, zanim potrzebne na nie pieniądze zostaną wydane w inny sposób. Albo bank podpowie nam, czy w świetle planowanych w najbliższym czasie wydatków, do opłacenia biletu na wakacje lepiej wykorzystać saldo bieżące z konta czy kartę kredytową.

Analityka behawioralna daje również zupełnie nowe możliwości oferowania klientom specjalnych promocji czy rabatów. Oferta zniżki na bilet do kina kierowana do wszystkich klientów w całej Polsce, to w świetle aktualnych możliwości technologicznych anachronizm. Dziś ofertę specjalną na bilety do kina miłośnik tej rozrywki otrzyma np. w trakcie wizyty w centrum handlowym w sobotnie popołudnie. Wyobraźmy sobie, że spacerujemy po galerii handlowej. Aplikacja mobilna banku, identyfikując naszą lokalizację, informuje nas o zniżce, którą bank oferuje tego dnia w wybranym sklepie pod warunkiem, np. płatności kartą. Podobnie klient, który niedawno sprawdzał w internecie ceny telewizorów, otrzymuje od banku ofertę nisko oprocentowanego kredytu gotówkowego na zakup towarów RTV i AGD. A osoba, która regularnie płaciła kartą za bilety do kina, dostanie kupon umożliwiający jeszcze tego samego dnia obejrzenie najnowszej premiery ze zniżką.

– Banki cały czas się uczą, jak wykorzystać nowe technologie do realizacji własnych celów czy poprawy ogólnie pojętego user expirience klientów. Wykorzystują dostępne narzędzia i systemy, by kontakt klienta z bankiem, który przecież dysponuje ograniczonymi zasobami, był jak najbardziej spersonalizowany i, pomimo zastosowania technologii, jeszcze bardziej ludzki. To zadowolenie klienta jest celem na koniec dnia, a nie wyścig na technologie – podsumowuje Bartłomiej Dajer.

***

fot.D.Sobieski

Mariusz Gromada
Dyrektor Departamentu Zarządzania Kampaniami
Bank Millennium

Nie należy obawiać się sztucznej inteligencji

Roboty i kojarzona z nimi sztuczna inteligencja wywołują w społeczeństwie szereg kontrowersji. Można wymienić kilka przyczyn:

  1. Popularne filmy science-fiction, w tym seria „Terminator”, stworzyły obraz autonomicznego robota zabójcy. Od powstania wspomnianych obrazów minęło już kilkadziesiąt lat, jednak te skojarzenia są niezwykle głębokie. Tymczasem badania nad robotami i AI przyjmują głównie bardzo pozytywny dla ludzkości kierunek.
  2. Dolina niesamowitości” jako opisany naukowo efekt nieprzyjemnych odczuć pojawiający się, gdy człowiek patrzy na wysoce dopracowanego humanoidalnego robota. Jeśli rozważyć stopień podobieństwa maszyny do człowieka, to wraz ze wzrostem zgodności komfort psychiczny człowieka się podnosi. Następnie, gdy to podobieństwo jest zbyt duże, nagle spada, aby ostatecznie wzrosnąć przy niemal idealnym odwzorowaniu.
  3. „Czwarta rewolucja przemysłowa” i zastępowanie ludzi przez sztuczną inteligencję, co jest wysoce prawdopodobne dla wielu stanowisk pracy. Ray Kurzweil, dyrektor inżynierii Google, prognozuje, że do 2030 roku kraje rozwinięte wprowadzą dochód podstawowy jako odpowiedź na brak możliwości zatrudnienia dla znacznej części obecnie pracujących.
  4. Obawy twórców i artystów – moim zdaniem słuszne. Już dziś dostępne rozwiązania pokazują, że kreatywność jest stosunkowo łatwym problemem do algorytmizowania. Serwisy internetowe są już pełne filmów i muzyki całkowicie utworzonej przez AI – a to dopiero początek.
  5. Niedostateczne wiedza w społeczeństwie na temat sztucznej inteligenci. Tu modyfikacja kształcenia mogłaby być odpowiedzią na problem braku pracy w nieodległej przyszłości. Edukacja powinna kłaść nacisk na aktywną formę korzystania z możliwości jakie oferuje sztuczna inteligencja.

Tymczasem potencjał tkwiący w tych rozwiązaniach jest ogromny. To już zmienia świat.

  1. Zapewne niewielu zdaje sobie sprawę, że wielokrotnie w ciągu dnia, wchodzi w interakcję z wysoce wyrafinowaną sztuczną inteligencją. Wyszukiwarka Google, to wirtualny robot. Jak bardzo nasze życie byłoby trudniejsze bez tych rozwiązań?
  2. AI znacząco ułatwia wynalezienie lekarstw na trapiące nas choroby. Dobrze zoptymalizowane algorytmy uczenia maszynowego dokonują szybszej i bardziej właściwej diagnozy. Cechy pacjenta, historia choroby oraz szeroka internetowa baza wiedzy, umożliwiają AI dobór terapii. Niejednokrotnie lepszej od zaproponowanej przez lekarza. Brzmi jak sci-fi? Nic bardziej mylnego, to rzeczywistość. Przykład: „IBM Watson for Oncology”.
  3. AI napędza autonomiczne samochody. Niemal wszystkie duże koncerny motoryzacyjne posiadają technologię gotową. Niezbędne są rozwiązania prawne i odpowiednie homologacje. Brak korków w dużych miastach. Brak wypadków. Możliwość posiadania samochodu przez osoby niewidome. To bardzo nieodległa przyszłość.
  4. Wirtualni asystenci, którzy ułatwiają realizację codziennych czynności. Amazon Alexa, Asystent Google, Apple Siri – są najbardziej rozpowszechnione. Pojęcie chatbotów jest jednak znacznie szersze, przykładowo aplikacja mobilna Banku Millennium zawiera asystenta o imieniu „Milla”, który znacząco ułatwia korzystanie z usług Banku.

Powyższe to jedynie wybrane przykłady, dosyć podstawowe, gdyż obecnie AI jest na wstępnym poziomie rozwoju. Potrafimy rozwiązać problemy maszynowego widzenia, maszynowo słyszenia, maszynowego rozumienia tekstu naturalnego. Są dostępne algorytmy z łatwością pokonujące mistrzów gier strategicznych (szachy, Go). Boston Dynamics buduje roboty, które potrafią samodzielnie poruszać się w trudnym terenie. AI skutecznie wspiera obszar biometrii. Nie powstał jednak do tej pory algorytm, który potrafiłby w sposób generyczny rozwiązać wszystkie powyższe problemy. Prace nad Artificial General Intelligence (Strong AI) trwają, komputery kwantowe przyniosą rewolucję w tym zakresie.

„Big data” to strategia zarządzania informacją

„Big data” to zestaw rozwiązań umożliwiających przetwarzanie i analizowanie bardzo dużych danych, niejednokrotnie liczonych w miliardach zarejestrowanych zdarzeń. Technologia „big data” zmienia niemal każdy biznes, a rewolucja dotyczy każdego z nas. Nawet jeśli nie zdajemy sobie z tego sprawy, jesteśmy w sposób ciągły i stały podłączeni do sieci.

„Internet rzeczy” nie jest już innowacją, ale nową rzeczywistością. Coraz chętniej używamy inteligentnego sprzętu. Smartfon, smartwatch, smart-TV to tylko początek. Na popularności zyskują domy z wysokim IQ. Sięgamy po urządzenia AGD sterowane telefonem – w tym automatyczne odkurzacze, wagi łazienkowe, pralki, lodówki, systemy klimatyzacji. Transformacja cyfrowa sprawia, że do przysłowiowej kieszeni zabieramy „nasze życie”, w szczególności rodzinę i przyjaciół (np. portale społecznościowe – Snapchat, Facebook, Twitter), rozrywkę (np. wypożyczalnie filmów, seriali i muzyki – Spotify, Netflix), wspomnienia (np. przechowalnia fotografii i filmów – Zdjęcia Google, Dropbox, OndeDrive), mapy świata i usługi nawigacji (np. Mapy Google, Yanosik, NaviExpert), listy zakupowe i sklepy (np. Allegro, aplikacja smartshoppingowa goodie, Listonic) oraz usługi finansowe (np. bankowość mobilna Banku Millennium, PayPal, Revolut). Te wszystkie rozwiązania muszą być proste i niezawodne. Jest to w dużej mierze zasługa technologii „big data” oraz wydajnych algorytmów uczenia maszynowego. Stosowanie metod sztucznej inteligencji sprawia, że niejednokrotnie wspomniane wyżej usługi miło nas zaskakują – Spotify rekomenduje utwory, które naprawdę trafiają w nasz gust, Zdjęcia Google i asystent wspomnień zarządzają naszą pamięcią, a aplikacja goodie rekomenduje zniżki w naszych ulubionych sklepach.

„Big data” to niewątpliwie eksplozja wolumenów i typów danych, z ciągle przyspieszającym tempem wzrostu. Jak zdefiniować duże dane? Podstawową i bardzo dobrą systematyzacją jest zasada „3V”.

  • „V#1 – volume” – duży rozmiar danych (długość historii lub skala opisu stanu aktualnego) – tutaj peta/tera/giga bajty kontra mega/kilo bajty.
  • „V#2 – velocity” – duża szybkość napływu danych bieżących – np. czas rzeczywisty / niemal rzeczywisty vs cyklicznie miesięcznie.
  • „V#3 – variety” – duża zmienność formatów danych – dane nieustrukturyzowane wideo, audio, zdjęcia, logi kontra łatwo dostępne rekordy użytkowników w tabelach i relacyjnych bazach danych.

„Big data” to również strategia obecnego i przyszłego zarządzania informacją. Słowem kluczem jest tu „informacja”. Chodzi o to by nie zgubić się w oceanie danych, skupiając się jedynie na wartościowej i praktycznej wiedzy. Trend „AI Democratization” sprawia, że korzystanie z metod uczenia maszynowego i sztucznej inteligencji nie jest już zarezerwowane dla wąskiej klasy specjalistów. Chmura obliczeniowa znacząco upraszcza i skraca czas dostarczania rozwiązań. To są główne kierunki zmian, które dziś obserwujemy. Technologia, choć dostępna, nadal podlega ogromnemu rozwojowi. Jest to widoczne w szybkim i częstym udostępnianiu na rynku nowych produktów i funkcjonalności, głównie za sprawą rozwoju oprogramowania typy open-source.

Jak duże może być „big data”? Postaram się podać pewną perspektywę na przykładzie serwisu Zdjęcia Google, z którego jakiś czas temu zacząłem korzystać. Na początek jednorazowo zsynchronizowałem 40 tysięcy prywatnych zdjęć i krótkich filmów, o łącznym rozmiarze około 300 GB, które dokumentowały 15 lat życia mojej rodziny. W ciągu 24 godzin asystent wspomnień wygenerował setki unikalnych momentów ze wspólnych wakacji, wyjazdów, spacerów i uroczystości. Powrót do tych chwil sprawił mi ogromną przyjemność. Świetna aplikacja mobilna, automatycznie utworzone albumy, dodane kategorie, miejsca, nazwy i opisy wpłynęły na moje bardzo pozytywne doświadczenie użytkownika. W maju 2017 roku Zdjęcia Google miały ponad 500 milionów aktywnych użytkowników, którzy każdego dnia przesyłali do serwisu ponad 1.2 miliarda zdjęć. To naprawdę duża liczba!

Udostępnij artykuł: