економика 4. Основные сквозные цифровые технологии 6 необходимость единой методологии сбора и анализа данных
 Скачать 20.08 Kb.
|
|
Основные «сквозные» цифровые технологии: 6 необходимость единой методологии сбора и анализа данных Сегодня мы имеем дело с активной цифровой трансформацией в различных секторах экономики, основу которых составляют «сквозные» цифровые технологии. В этой связи неизбежны изменения в производственных процессах и бизнес-моделях, во взаимоотношениях с потребителями. Для формирования сбалансированной политики как на государственном уровне, так и на уровне предприятий и отраслей необходимо обладать достоверными статистическими данными, отражающими происходящее в мировой экономике. На сегодняшний день такая информация представлена локально, зачастую в рамках некоторых исследований консалтинговых компаний и носит фрагментарный характер. Это значит, что задача выработки единой методологии сбора и анализа данных, характеризующих развитие «сквозных» цифровых технологий, как никогда актуальна. В основу методологии должны быть положены определения технологий и классификаций. В данном разделе предложены дефиниции «сквозных» цифровых технологий, которые могут быть использованы в рамках разработки стандартов сбора и обработки данных по новым направлениям, связанным с цифровизацией экономики и общества. Программа «Цифровая экономика Российской Федерации» определяет перечень основных «сквозных» цифровых технологий, на развитие которых в первую очередь предполагается направить меры государственной политики. В этот перечень входят: большие данные квантовые технологии компоненты робототехники и сенсорика нейротехнологии и искусственный интеллект новые производственные технологии промышленный интернет системы распределенного реестра технологии беспроводной связь технологии виртуальной и дополненной реальностей В данный список по мере возникновения и развития новых передовых технологий могут вноситься изменения. Большие данные (big data) – совокупность методов, инструментов и подходов к обработке как структурированных, так и неструктурированных данных, объемы которых превосходят возможности типичных баз данных по занесению, хранению, управлению и анализу информации. Кроме того, бóльшая часть таких данных представлена в формате, который не соответствует структурированному формату баз данных, что делает невозможным их обработку традиционными способами. К большим данным относятся веб-журналы, видеозаписи, текстовые документы, машинный код, геопространственные данные и т.д. Основными характеристиками больших данных являются внушительный объем, разнообразие форматов и высокая скорость генерации. Для хранения и анализа больших данных и принятия решений используются облачные вычисления – технологии, работающие на основе интернет-сервисов (центральных узлов сети). Загруженная и хранимая в облачном сервисе информация доступна пользователям повсеместно, однако способа обеспечить полную защиту этой информации пока нет. Анализ больших данных позволяет выявить шаблоны поведения потребителей и взаимосвязи между ними, а также информацию, способствующую повышению качества принимаемых решений, оздоровлению клиентского опыта, снижению издержек и стимулированию разработки новых продуктов и услуг. В последнее время значительно повысилась скорость и эффективность аналитических инструментов в данной области по сравнению с традиционными решениями в сфере бизнес-аналитики, благодаря чему организации становятся более гибкими и могут оперативно реагировать на изменения во внешней среде. Преимущества облачных вычислений, кроме того, заключаются в возможности сократить издержки на приобретение собственных вычислительных мощностей и обеспечить доступность хранимой в облаке информации, что повышает гибкость рабочего процесса. Облачные вычисления применяются для хранения и управления массивами данных, а также для взаимодействия с другими центрами сбора данных [Elsevier, 2014].
|