Зачем финансисту Big Data. «Новая нефть», необоснованные страхи гуманитариев и зарплаты в 300 тыс.

Специалисты по большим данным (Big Data) сейчас одни из самых редких и высокооплачиваемых на рынке труда: согласно HH.ru, им платят от 50 до 300 тысяч рублей. Многие вакансии связаны с финансовой сферой и банками, а сами большие данные на рынке уже называют «новой нефтью». Сегодня рассказываем, зачем разбираться в теме, если она от вас безнадежно далека.

Что за зверь такой Big Data?

Прежде всего, договоримся о терминах.

Что такое Big Data? Говоря по-русски, это инструменты, подходы и методы обработки очень больших массивов информации, которая может быть как структурированной, так и нет. С помощью обработанных данных достигаются важные цели. Например, запускается аналитика, составляются прогнозы или механизмы защиты клиентов от махинаций.

Большие массивы информации были и раньше, просто в наше время появились новые технологии для управления ими. Поэтому теперь они называются модным словом, которое на деле подразумевает всего лишь хранение и обработку данных.

Зачем нужны большие данные?

Представьте, что вы пришли в супермаркет, где все товары лежат не в привычном вам порядке. Молоко рядом с мылом, хлеб на одном стеллаже с авокадо, замороженная курица в одном ящике с мороженым, а прямо над ними — полка с приправами и влажными салфетками сразу. Как тут сделать покупку? Big Data расставляют всё по своим местам и помогают вам найти молоко, узнать его цену и срок годности, а еще — кто, кроме вас, покупает такое молоко и чем оно лучше молока других производителей.

Иными словами, Big Data — это решение проблем и альтернатива традиционным системам управления данными. Сами по себе массивы ничего не дают: важно, какие результаты получит ваша компания или организация от их обработки и использования.

Как работают с Big Data?

С точки зрения технологий, большие данные — это программные алгоритмы на основе искусственного интеллекта (AI), которые обрабатывают огромные массивы хаотичной информации, структурируют ее и делают понятной.

Хотите разобраться в искусственном интеллекте — выбирайте из обучающих курсов SkillFactory.

Сейчас будет немного сложностей. Какие методы используют для работы с большими данными? Приведем несколько примеров.

Машинное обучение

Цель машинного обучения — предсказать результат по входным данным.

Для него нужен алгоритм, признаки нужных закономерностей и, собственно, сами данные, которые нужно обработать. Что можно получить в итоге? Фильтрацию спама в электронной почте, прогноз поведения клиентов или заказчиков и так далее.

Анализ настроений

Это, если что, не про эмоции. Настроения в Big Data — это отношение человека к тому или иному бренду, продукту, услуге, факту или событию. Анализ такого отношения строится на вычленении из большого потока информации конкретных отзывов, комментариев, отметок и т.д.

На выходе с помощью этого метода можно получить, например, отличный мониторинг репутации компании или продукта.

Анализ социальных сетей

Информацией для анализа в этом методе являются профили клиентов/ партнеров/ сотрудников в социальных сетях, а ожидаемым результатом — данные для портрета всей целевой аудитории, либо ее отдельных представителей и их связей между собой.

Анализ дерева классификации

По сути, это классификация, которая строится на основе статистических данных. К примеру, она используется для автоматического присвоения документам определенной категории. Иными словами, это сортировка, только в очень больших объемах.

Генетический алгоритм

Метод строится на основе случайного подбора, комбинирования и моделирования, по сути, как природная генетика. Только делают это все с данными. Напоминает подбор пароля. Этот метод позволяет, например, составить расписание врачей для отделений неотложной помощи в больницах.

И главное — зачем все это финансисту?

Особенно востребованы технологии Big Data в финансах. Они могут использоваться для предупреждения мошенничества, управления рисками и повышения качества обслуживания клиентов. Здесь очень широкое поле для применения любого из перечисленных выше методов (на самом деле, их намного больше).

Что вам даст знание технологий Big Data даже на базовом уровне?

Как минимум, вы будете знать, как запустить и довести до результата:

• определение и анализ структуры расходов клиентов;
• обнаружение основных каналов транзакций (снятие через банкомат, оплата кредитной дебетовой картой);
• разделение клиентов на сегменты в соответствии с их профилями;
• кросс-продажи товаров на основе сегментации клиентов;
• управление и предотвращение мошенничества;
• оценка риска, соответствие требованиям безопасности и отчетности перед регулятором;
• анализ и реагирование на отзывы клиентов.

А если я гуманитарий?

Научиться работе с Big Data не так сложно, как кажется — и программистом становиться для этого совсем не обязательно. Самое важное здесь — понять бизнес-цели проектов с большими данными, освоить технологии и принципы искусственного интеллекта (AI).

Если вы менеджер, руководитель, экономист, вашим преимуществом станет понимание процессов и навык управления ими, а само сочинение алгоритмов и их запуск оставьте программистам :-)

Где учиться?

Если вбить в строке поиска «big data простыми словами», вас встретит добрый десяток полезных статей и еще больше обучающих видеороликов:

Но общего понятия в любом случае вам будет недостаточно, поэтому в идеале — подобрать хороший обучающий курс. Главное условие — оптимальная цена, авторитетные эксперты и сертифицированный документ по его окончании. Тогда вы сможете с чистой совестью вписать в свое резюме «знание Big Data и искусственного интеллекта».

Например, таким курсом может стать «Big Data для менеджеров» от SkillFactory, с помощью которого вы получите полный набор компетенций от формирования Big Data стратегии до понимания алгоритмов машинного обучения — и практический опыт, чтобы применить его в своем бизнесе.