Wszechobecna Big Data - 8 zastosowań Big Data, o których nie miałeś pojęcia

Wszechobecna Big Data - 8 zastosowań Big Data, o których nie miałeś pojęcia

Big Data jest jak Bóg w teologii świętego Tomasza – wszechobecna. Jest nawet tam, gdzie zupełnie nie spodziewalibyśmy się jej spotkać. W lodówce, w piwie, w lesie i w grach na komórki. Na salonach Lady Gagi i Baracka Obamy. To broń w walce z przestępczością i z komarami.

Zdjęcie royalty free z Fotolia

Halo, bileciki do kontroli!

Pełną treść dostaniesz bez grosza,
ale musisz być w naszym newsletterze.

Raz, raz, wpisywać e-mail. Tylko prawdziwy, bo sprawdzę!

partner technologiczny: GetResponse

Omniprezencja danych w wielu przypadkach okazuje się mieć zbawienny wpływ na nasze życie, a samą Big Data bez cienia przesady można uznać za boga epoki cyfrowej. Oto osiem zaskakujących przykładów zastosowania tej technologii.

Strach otwierać lodówkę?

Współczesne urządzenia coraz częściej pracują w trybie online, wskutek czego w „Internecie Rzeczy” (The Internet of Things) zaczyna robić się tłoczno. Obok smartfonów, smartwachów i smart tv zaczynają pojawiać się smart-kuchenki, smart-piekarniki, smart-lodówki itd. Według szacunków Cisco do 2020 roku Internet Rzeczy współtworzyć będzie blisko 50 miliardów smart-przedmiotów codziennego użytku. Gartner jest o wiele bardziej ostrożny i redukuje tę liczbę o połowę, mówiąc o 26 mld urządzeń. Co piąte z nich ma dostarczać swojemu producentowi cennej wiedzy o zachowaniach i preferencjach konsumentów, czyli generować Big Data. Już teraz robią to lodówki i zamrażarki, z czego skrzętnie skorzystało ostatnio choćby Tesco. Brytyjska sieć supermarketów przeprowadziła trzyletni projekt analizy danych wysyłanych właśnie przez te urządzenia, rozmieszczone w 120 sklepach w Irlandii. Dane dotyczyły głównie temperatury chłodzenia i czasu pracy urządzeń. Dzięki nim znaleziono sposób na zredukowanie kosztów. Okazało się, że wystarczy skorygować temperaturę chłodzenia o 2 stopnie (z -23 na -21), aby uzyskać oszczędności sięgające blisko 17 mld EUR w skali roku – oczywiście bez obniżenia skuteczności chłodzenia produktów. Teraz Tesco chce wykorzystać Big Data z innych urządzeń do znalezienia sposobu na redukcję emisji dwutlenku węgla w swoich placówkach.

Beer Data

Nikt wprawdzie nie uwarzył piwa, które zamiast chmielowych szyszek zawierałoby ekstrakt z Big Data, ale dla przemysłu browarniczego analiza wielkich zbiorów danych to nie przelewki. Big Data dla wielu pubów okazuje się dziś już równie istotna, co podstawki pod kufle. Intratny biznes na złocistym trunku zrobił ostatnio izraelski startup WeissBeerger, który jako pierwszy na świecie opracował i wdrożył w barach, pubach i restauracjach system monitorujący na żywo: ilość, gatunek i markę spożywanego piwa, mierzone w konkretnych przedziałach czasowych. Zlicza także przychody oraz pozostałe na zapleczu beczki (kegi) piwa. Dzięki temu właściciele pubów wiedzą, jakie marki i o jakich godzinach „piją się najlepiej”. System dostarcza również właścicielom gotowych instrukcji SMS-owych, podpowiadających jakie piwo, w jakich ilościach i w jakie dni powinni zamawiać. Sugeruje także godziny promocji. Ci, którzy zgodzili się na bigdejtyzację piwa (albo beeryzację Big Data, jak kto woli) już spijają piankę sukcesu. Yoav Avlon, właściciel baru Norma Jean w Tel Avivie chwali się wzrostem zysków ze sprzedaży sięgającym od 50% do nawet 80% w skali dnia. Po „Beer Data” sięga ostatnio również Heineken, współpracując z siecią Walmart w ramach programu Shopperception. Piwny potentat chce się dowiedzieć, w którym miejscu w sklepie powinny stać jego puszki, butelki oraz sześciopaki, żeby klienci sięgali po nie chętniej. Testuje zatem różne opcje ustawień swoich produktów: rodzaje półek, niezależne stoiska promocyjne, piwa w lodówkach, różny dobór produktów otaczających, itp.), posiłkując się danymi zebranymi i przetworzonymi właśnie przez Shopperception. System, wykorzystując sensory 3D, podgląda zachowania konsumentów, a nawet wyświetla im promocyjne ceny, jeżeli dłużej zastanawiają się nad kupnem piwa.

Im dalej w las – tym więcej Big Data

Big Data poszła w las. Global Forest Watch (GFW) używa danych do monitorowania zmian klimatu związanych z nielegalną wycinką drzew, w celu zapobiegania deforestacji. Skala zjawiska jest poważna. Jak wynika z informacji zgromadzonych przez Google oraz University of Maryland w latach 2000-2012 wykarczowano 230 milionów hektarów drzew. Sytuacja jest szczególnie poważna w dolinie Amazonki. Z obliczeń stowarzyszenia Polska Zielona Sieć tylko w ciągu minuty świat traci lasy o powierzchni 36 boisk do piłki nożnej. GFW postanowiło wykorzystać Big Data do wysłania alarmującego sygnału o kondycji naszej planety. Korzysta z tysięcy zdjęć satelitarnych i na bieżąco dostarcza danych rządom, organizacjom z sektora NGO oraz firmom, które stawiają sobie za cel informowanie o zagrożeniach ekologicznych. Wszystko po to, by móc kontrolować stan zalesienia Ziemi. Możliwości płynące z analizy Big Data dla środowiska zachwyciły doktora Andrew Steera z World Resource Institute, który powiedział: „Od tego momentu źli chłopcy nie będą mogli się ukryć, a dobrzy zyskają uznanie za ich gospodarność”. Ale to nie wszystko – Big Data dostarcza również informacji służbom takim jak np. straż pożarna, informując je o przypadkach zaprószenia ognia w pobliskich lasach, dzięki czemu mogą one znacznie wcześniej zareagować, a przez to opanować sytuację. Analityka Big Data może jednak służyć nie tylko lasom: już teraz mówi się o wykorzystaniu danych do monitorowania ocieplenia klimatu, stanu pokrywy lodowej a także tempa rozrostu dziury ozonowej. Big Data z lasu wybiega w kosmos.

Małżeństwo nie z przypadku: Big Data i gry na komórki

Co wspólnego mają gry na smartfony z Big Data? Gamifikacja i bigdejtyzacja to małżeństwo nie tylko z rozsądku, ale i z miłości. Gracze to istna kopalnia danych. Może się bowiem okazać, że ich gejmingowe preferencje mogą nam sporo powiedzieć o tym, jaki tryb życia prowadzą, w jakim są wieku, w jakie ciuchy się ubierają, jakiej muzyki słuchają, jakich treści poszukują w sieci itd. „Pokaż mi w co grasz, a powiem Ci kim jesteś”. A takie dane są dla marketerów i reklamodawców niezwykle cenne: pozwalają bowiem targetować reklamy pod konkretnego posiadacza smartfona, dzięki czemu nie otrzymuje on masowej papki reklamowej, ale oferty produktów, które faktycznie mogą go zainteresować. A jeśli połączy się dane, których źródłem są gry mobilne, z cyfrowymi śladami, jakie zostawiliśmy po sobie surfując po Sieci za pomocą smartfona – to otwiera się przed nami sezam wiedzy o użytkowniku. Dlatego w Big Data trwa właśnie cicha, mobilna rewolucja. Garner obliczył, że tylko w zeszłym roku ściągnęliśmy z Sieci ponad 127 milionów aplikacji mobilnych. Gry mobilne stanowią pokaźny ich procent. Do 2017 roku blisko co trzeci z nas będzie użytkownikiem smartfona. Według danych eMarketera w samych tylko Stanach Zjednoczonych w gry mobilne gra co drugi posiadacz smartfona, zaś przychody z reklam wyświetlanych graczom podczas grania wyniosły w ubiegłym roku 373 mln USD. W tym roku mają już osiągnąć poziom 478 mln USD, stanowiąc tym samym blisko 17,4% całości przychodów w tej branży. Okazuje się, że spersonalizowana reklama mobilna działa: BizReport donosi, że aż 64% posiadaczy smartfonów dokonało zakupu właśnie pod wpływem wyświetlenia spersonalizowanej reklamy mobilnej. eMarketer prognozuje, że do końca 2017 roku w USA wydatki na reklamę na urządzeniach mobilnych prześcigną nawet wydatki na reklamę desktopową. Dlatego dane składające się na portret mobilnego gracza mogą okazać się dla wielu marketerów kurą znoszącą złote jajka.

Lady Big Data

Gwiazdki muzyki pop zdają sobie sprawę z siły, jaka drzemie w Big Data. W każdym razie na pewno Lady Gaga zdaje sobie z niej sprawę, choćby pośrednio. Jej manager, Troy Carter, to zdeklarowany miłośnik technologii Big Data. Carter, zastanawiając się nad podbiciem popularności swojej zleceniodawczyni, poświęcił szmat czasu na przekopywanie się przez portrety zdeklarowanych słuchaczy Lady Gagi – i wyszukiwał internautów o podobnych profilach zainteresowań, którzy jeszcze nie zdawali sobie sprawy z tego, że Panią Gagę w ogóle lubią. Zakładał, że skoro ci drudzy interesują się podobnymi rzeczami co fani Gagi, to istnieje spore prawdopodobieństwo, że zachwycą się również takimi hitami jak Poker Face, Alejandro czy Paparazzi. I zakładał słusznie. Dzięki jego wytrwałości w analizie wielkich zbiorów danych (porównywaniu profili behawioralnych użytkowników Internetu) Lady Gaga zanotowała gigantyczny wzrost liczby fanów. Na Facebooku przybyło ich 51 mln, a na Twitterze – 31 mln. Nieźle, zważywszy na fakt, że ojcem sukcesu był domorosły analityk Big Data. W Big Data marketingu strategia rozszerzania wąskiego targetu poprzez wyszukiwanie podobnych grup użytkowników, z powodzeniem zastosowana (pewnie nieświadomie) przez Troya Cartera, ma swoją fachową nazwę: to look alike modelling.

Obama, Prezydent wybrany dzięki Big Data

Wiele wskazuje na to, że to właśnie Big Data okazało się asem wyciągniętym z rękawa przez sztab Baracka Obamy, podczas wyścigu o fotel prezydenta Stanów Zjednoczonych w 2012 roku. Kampania prezydencka w USA to jedna z największych, najbardziej emocjonujących oraz wyczerpujących gonitw po głosy na całym świecie. Zrozumienie specyfiki i preferencji ludności w każdym ze stanów i każdym z odwiedzanych miast oraz miasteczek, przekracza możliwości zwykłego człowieka. Dlatego nic dziwnego, że politycy – w tym obecny prezydent USA, Barack Obama – często sięgają po analityków Big Data, którzy odgrywają rolę „górników danych” (data miners) czy „żniwiarzy danych” (data harvesters). Ich celem jest pozyskiwanie danych o zachowaniach i preferencjach wyborców w konkretnych miastach i stanach, a następnie doszukiwanie się korelacji między poszczególnymi elementami. To tytaniczna praca – każdej nocy badacze danych ze sztabu Obamy testowali blisko 66 tysięcy symulacji scenariuszy kampanii politycznej, szukając takiej korelacji danych, która zapewni najbardziej optymalny scenariusz, a następnie prezentowali je politycznym doradcom Obamy. Sasha Issenberg, amerykański dziennikarz śledzący kampanię Obamy, w artykule „A More Perfect Union: How President Obama’s Campaign Used Big Data to Rally Individual Voters” w przekonujący sposób dowodził, że sztab obecnego prezydenta USA korzystał z Big Data nie tylko po to, aby przewidywać zachowania wyborców (predictive modeling), lecz również po to, by na nie wpływać oraz je zmieniać. Hasło wyborcze Obamy z „Yes, we can” równie dobrze mogłoby brzmieć: „Yes, we scan”. Analitycy Obamy „przeskanowali” bowiem bazy wyborców z chirurgiczną precyzją. Po mistrzowsku zarządzali Internetowymi ruchami wyborców, przekierowując ich na strony na Facebooku (33 mln lajków) czy kanał YouTube (240 tys. subskrybentów i 246 mln odsłon), a także stosując polityczny audience targeting na Amazonie. Jakby tego było mało założyli jeszcze stronę mybarackobama.com, funkcjonującą na zasadach sieci społecznościowej, skupiającej głównie młodych sympatyków Obamy i spełniającej funkcję potencjalnej bazy wolontariuszy kampanii. W ostatnich dniach przed wyborami Obamie udało się pozyskać blisko 700 tys. takich wolontariuszy. Według Issenberga Big Data zgromadzona przez sztab Baracka Obamy była aż dziesięciokrotnie większa, niż ta zebrana przez konkurencyjnego kandydata, Mitta Romneya. W 2012 roku obamowscy „ludzie od Big Data” zgromadzili aż 5 razy więcej danych niż w wyborach w 2008 roku. Obama, najprawdopodobniej jako pierwszy polityk na świecie, przeprowadził marketing z użyciem danych zakrojony na tak gigantyczną skalę. Być może to właśnie on jest pierwszym prezydentem Big Data.

Wunderwaffe na komary

Big Data najskuteczniejszym środkiem komarobójczym? Tak, to nie pomyłka. Big Data pomaga zwalczać tę ślepą uliczkę ewolucji/nieśmieszny żart Pana Boga (niepotrzebne skreślić) i dostarcza danych, pozwalających zrobić to, o czym wielu marzyło od dawna – zrzucić napalm na siedliska komarów. A całkiem poważnie – aWhere Inc. postanowiło przeanalizować dane płynące z satelitów (oddalonych wprawdzie o blisko 35,5 tysiąca km, ale podających dane z dokładnością nawet do pół metra!), a także te dostarczane przez rozmaite urządzenia, zainstalowane do badania: wilgotności powietrza, temperatury, stopnia nasłonecznienia, głębokości i poziomu wód gruntowych etc. Wszystko po to, by móc z wysoką precyzją określić miejsca, które są (lub staną się) wylęgarniami komarów, bądź ich największymi skupiskami, a następnie zrzucić na te obszary pestycydy i inne środki owadobójcze. Dzięki Big Data nie trzeba przeprowadzać już nalotów dywanowych na przypadkowe miejsca, w których może nie bzykać nawet jeden komar. Big Data umożliwia precyzyjny atak, prosto w target. Dzięki temu możemy w końcu uporać się z insektami, które są jednymi z największych roznosicieli chorób trapiących ludzkość.

Tajny funkcjonariusz CIA

Jeszcze niedawno na stronie głównej Centralnej Agencji Wywiadowczej USA (www.CIA.gov) wisiało ogłoszenie o pracę o treści: „Wszystkie departamenty CIA poszukują ciekawych, kreatywnych osób zainteresowanych służbą dla kraju w dziedzinie data science”. Zresztą do tej pory CIA szuka badacza/analityka danych w Washington D.C. Oczywiście na pełny etat. Pensja też niezła – od 50 tys. USD w górę. Googlujcie a znajdziecie.

CIA stawia sprawę jasno: „Big Data to dla nas Big Deal” (poważna sprawa). Na pytanie: „A co CIA chce analizować?” – Ira „Gus” Hunt, Chief Technology Officer w CIA, odpowiada lakonicznie i z rozbrajającą szczerością: „Wszystko”. CIA wychodzi z założenia, że im więcej zgromadzi danych o internautach – tym lepiej, bo jakiś użytek na pewno się z nich zrobi. „Big Data to przyszłość, a my tę przyszłość chcemy potrafić kontrolować” – mówi Hunt zdradzając, że CIA zamierza wykorzystywać Big Data przede wszystkim do przewidywania ewentualnych zagrożeń i wzmocnienia bezpieczeństwa kraju, ponieważ to właśnie CIA jest pierwszą linią systemu obrony USA. Analityka internetowa pełni w tym bezpieczeństwie rolę kluczową: pozwala m.in. udaremniać, wychwytywać i namierzać ataki hakerskie na instytucje publiczne, a także lokalizować potencjalne zagrożenia, wliczając te najniebezpieczniejsze – terrorystyczne. Cindy Storer, obecnie jeden z głównych mózgów strategicznych w CIA, przyznała otwarcie, że w odnalezieniu Osamy Bin Ladena pomogła amerykańskiemu wywiadowi właśnie analityka danych. Świat z Big Data jest światem bezpieczniejszym niż ten bez Big Data.

Między realnym a wirtualnym?

Granica między światem cyfrowym a analogowym zaciera się z dnia na dzień. Życie digitalizuje się w zawrotnym tempie, a Big Data wnika w każde jego skrawki. Jak szacuje Oracle z roku na rok wolumen Big Data w Sieci rozrasta się o około 40%. Życie offline już się skończyło. Do 2020 roku wygenerujemy już ponad 45 Zettabajtów danych – to aż o 44 razy więcej niż w 2009 roku. IDC przelicza, że na jednego mieszkańca ziemi przypadnie tym samym ponad 5,2 GB danych, a 1/3 z nich będzie przedstawiała sobą dużą wartość, ponieważ będzie skrupulatnie otagowana i przeanalizowana przez badaczy danych. Prawdziwe wyzwania dopiero zatem przed nami. Przyszłość to Huge Data.

Oczywiście pamiętajmy, że Big Data nie daje czarno-białych odpowiedzi. Big Data nie myśli za nas. Jednak rozszerza nasze myślenie do samych jego granic, zmuszając je do gigantycznego wysiłku i pozwalając wkraczać na tereny wcześniej niedostępne. Big Data daje Big Picture: umożliwia uzyskanie oglądu na sprawę z nieograniczonej w zasadzie liczby punktów widzenia. Widzi wszystko, wszystkich i wszędzie. Dlatego nie ma przesady w twierdzeniu, że Big Data to dziś cyfrowy bóg.

 

Piotr Prajsnar
CEO, Cloud Technologies

Absolwent SGH i PJWSTK w Warszawie. Doświadczenie zdobywał w Microsoft Polska. Specjalizuje się w nowych technologiach dla rynku reklamy internetowej. Koncentruje się na wykorzystaniu danych oraz zastosowaniu maszynowego uczenia w reklamie internetowej. Dostrzega znaczny potencjał w systemach umożliwiających automatyzowany zakup oraz integrację mediów. Swój obszar zawodowych zainteresowań definiuje trzema słowami: Big Data Marketing.

Łukasz Kapuśniak
CBDO, Cloud Technologies

Tworzy mechanizmy umożliwiające zbieranie, segmentację i skuteczne wykorzystanie dużych zbiorów danych na potrzeby marketingu i sprzedaży wszystkimi kanałami online. Wcześniej jako Product Manager w AdPilot był odpowiedzialny za tworzenie koncepcji i wprowadzanie na rynek reklamy online produktów z zakresu retargetowania, pretargetowania audience i innych realizowanych w modelu RTB. Jego metodologia opiera się o połączenie umiejętności behawiorysty i matematyka.

Komentarze

Polecane

Dzięki, link został przesłany

Zamknij

Serdeńko!
Lubisz już nasz fanpage?

Wystarczy kliknąć:

zobacz nasz fanpage >> Zamknij

Niech zapisze się
do newslettera!

Zostaw e-mail
i powolutku strzałeczka na guziczek!

Zamknij