Согласно определению от аналитической компании Gartner «Большие данные» (Big Data) — это наборы данных, которые обладают совокупностью или сочетанием нижеперечисленных свойств: это данные большого объема, которые генерируются с высокой скоростью или поступают из разных источников в разном формате. Указанные наборы данных подлежат анализу на базе высокопроизводительных и высокорентабельных вычислительных инфраструктур для решения задачи обработки информации с целью выявления закономерностей в данных (помогающих осуществить принятие решений) или для поддержания других проектов, не связанных напрямую с бизнес-аналитикой.

Термин Big Data можно назвать собирательным. Он может означать характеристику самого набора данных, совокупность технологий для их обработки, а также организационные меры в компании по анализу данных и использованию их для принятия управленческих решений.

Существует также понятие «проблема больших данных». По сути, проблема больших данных и привела к необходимости создания технологий больших данных, призванных ее решить. Суть этой проблемы в том, что компании в определенный момент времени стали накапливать большие объемы неструктурированных и полуструктурированных данных и пытаться хранить и обрабатывать эту информацию, при этом существующие в их распоряжении традиционные хранилища данных, ориентированные на структурированные наборы данных и основанные на реляционных базах данных, оказались неспособны эффективно решать данные задачи в приемлемые сроки.

По мнению ряда экспертов, к 2027 году до 60% мировых данных будут использоваться для управления предприятиями и почти 20% данных будут относиться к категории критически важных с точки зрения поддержки систем обеспечения жизнедеятельности человека. При этом более 25% всех создаваемых данных будет генерироваться в режиме реального времени.

Развитие мобильной связи, появление технологий 5G, развитие интернета вещей, внедрение систем машинного обучения — все это будет влиять на рост объема генерируемых данных. Количество устройств, генерирующих потоки данных, растет с каждым годом, интернет-сервисы генерируют огромные потоки информации.

Использование прогнозной аналитики на основе Big Data в маркетинге позволяет оптимизировать бюджеты и взаимоотношения с клиентами, оценивать успешность рекламных кампаний, определять целевые группы, используя сотни параметров, характеризующих покупателей.

В страховании обработка миллионов транзакций всех клиентов компании позволяет выявить поведенческие характеристики мошенников и предотвратить причинение вреда. Перспективы для медицинского страхования открывают возможности совмещения Big Data с IoT-решениями. Возможность подключения умных носимых устройств позволяет использовать собираемые медицинские показатели для оптимизации программ страхования. Риски в страховании — это база для расчета страховой ставки, и чем больше факторов решение позволяет принять во внимание, тем больше экономия.

Банки накапливают огромный массив данных о предпочтениях клиентов как покупателей и могут извлекать деньги из этой ценной информации. Ничто не говорит лучше о предпочтениях людей, чем их банковские счета. Банки получают о клиентах огромное количество информации, прежде всего — об их доходах и покупках, а, следовательно, и о перемещениях, размере среднего чека в магазине и т. д. Подобная информация — это ценнейший ресурс, на основании которого можно таргетировать рекламу и оптимизировать работу с клиентами. Данная информация может служить для понимания поведения разных групп людей и перспектив организации разного рода бизнес-сервисов для данных клиентов. На базе такого информационного капитала крупные банки стремятся диверсифицировать бизнес, предоставляя новые цифровые услуги. Банки используют эти данные, чтобы лучше понимать и обслуживать клиентов, оптимизировать рекламные кампании, лучше ориентировать свою аудиторию. По данным McKinsey, 76% крупнейших американских банков использовали Big Data для привлечения клиентов, улучшения коммуникаций и повышения лояльности. По оценкам Gartner, 34% банков в мире уже инвестировали в развитие этих технологий. В РФ лидерами по использованию Big Data являются Сбербанк, Тиньков банк, ВТБ.

Big Data может существенно влиять на эффективность мероприятий по предупреждению и ликвидации чрезвычайных ситуаций (ЧС). Использование больших данных кардинально меняет подходы к предупреждению и ликвидации чрезвычайных ситуаций (ЧС), делая их более прогнозируемыми, управляемыми и менее разрушительными.

На стадии предупреждения чрезвычайных ситуаций источниками больших данных являются данные дистанционного зондирования Земли и данные от различных типов датчиков. Информация об этом отражена в представленной ниже таблице.

Когда ЧС уже произошла, большие данные помогают координировать силы и средства для максимально эффективного реагирования и спасения людей. Информация об этом отражена в представленной ниже таблице.

Профессором кафедры «Безопасность жизнедеятельности» Финансового университета при Правительстве РФ, д.т.н. Шахраманьяном М.А. разрабатываются предложения по подготовке учебно-методических материалов для дисциплины «Безопасность жизнедеятельности», в которых будут представлены возможности использования Big Data для предупреждения и ликвидации ЧС.

Таким образом. исходя из вышеизложенного, можно сделать вывод, что большие данные являются одним из ключевых трендов развития бизнеса и систем предупреждения и ликвидации ЧС.