Телефон: +7 (383)-202-16-86

Статья опубликована в рамках: LXVI Международной научно-практической конференции «Научное сообщество студентов XXI столетия. ЭКОНОМИЧЕСКИЕ НАУКИ» (Россия, г. Новосибирск, 11 июня 2018 г.)

Наука: Экономика

Секция: Менеджмент

Скачать книгу(-и): Сборник статей конференции

Библиографическое описание:
Березина А.Ю. ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И BIG DATA В АНАЛИТИКЕ БИЗНЕС-КОМПАНИИ // Научное сообщество студентов XXI столетия. ЭКОНОМИЧЕСКИЕ НАУКИ: сб. ст. по мат. LXVI междунар. студ. науч.-практ. конф. № 6(66). URL: https://sibac.info/archive/economy/6(66).pdf (дата обращения: 21.08.2019)
Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
Диплом Выбор редакционной коллегии

ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И BIG DATA В АНАЛИТИКЕ БИЗНЕС-КОМПАНИИ

Березина Анастасия Юрьевна

студент Экономического факультета Российский Университет Дружбы Народов

РФ, г. Москва

Научный руководитель Матюшок Владимир Михайлович

зам. кафедры ЭММ, профессор, д-р экон. наук, экономический факультет, Российский Университет Дружбы Народов

РФ, г. Москва

Данная статья определяет целесообразность применения искусственного интеллекта и Big Data в бизнес-аналитике. В ходе работы были рассмотрены направления развития искусственного интеллекта и проанализированы основные вопросы: какие существуют пути перехода от бизнес-аналитики к искусственному интеллекту, и в чём отличия результатов работы систем бизнес-аналитики от результатов работы искусственного интеллекта?  Искусственный интеллект открывает возможность перехода к предсказательной и предписывающей аналитике. В статье сделан вывод о необходимости извлечения знаний, не «лежащих на поверхности» массивов и баз данных, т.е. когда актуальны Data Mining, Big Data, СИИ и автоматизация бизнес-процессов. Big Data позволяет увидеть скрытые закономерности, незаметные человеческому восприятию.

Ключевые слова: Big Data, искусственный интеллект, описательная аналитика, машинное обучение, нейронные сети, цифровая экономика, прогнозирование бизнес-аналитики.

 

Информационные потоки усложняются динамично, как и рыночные отношения, технологии и их применение [1, c. 84]. Становятся интеллектуальней и обрабатывающие сервисные системы. Мозг, имея колоссальные нейронные возможности (используемые человеком лишь на 7-10%) для структурирования – обработки, хранения информации, использует их недостаточно полно и эффективно по времени, скорости обработки и извлечения. Усиливают эти возможности технологии и системы: базы знаний, Data Mining, Big Data, ИИ (искусственный интеллект, СИИ – система, базирующаяся на ИИ) и др.

Искусственный интеллект (ИИ, AI), машинное обучение [2, c. 1] часто ассоциируются с научно-технологическими гигантами и популярными платформами для обучения компьютеров – программ. Небольшим компаниям часто недоступна по средствам интеграция ИИ в свои бизнес-процессы. Но следует искать альтернативы и важно провести системный анализ возможностей Big Data, СИИ в бизнесе, особенно, в малом. Для эффективности бизнес-процессов необходима аналитика, опирающаяся на использование больших данных и искусственного интеллекта.

Связи «бизнес-процесс – Big Data»

Big Data – инструментарий по извлечению какого-либо результата: данных, знаний в «человеческом» виде, воспринимаемых человеческими органами, сознанием из объемных, постоянно приращиваемых данных [3, c. 181]. Big Data применяется в здравоохранении, госуправлении, торговле и других сферах, например, при визуализации. Не так активно такой инструментарий используется в бизнесе. Он имеет эвристический потенциал [4, c. 3], позволяет работать с ресурсами, автоматизированными и интеллектуальными системами, поддерживаемыми WYSIWYG-принципом («Что (в проекте) наблюдаем, то реально (на практике) получим»). Таков, в частности, онлайн-редактор формирования веб-сайта, «заливаемого» прямо на хостинг, с участием офлайн-клиентов, работающих в FrontPage, DreamWeaver и др.

Также используется принцип «Три V» – Volume (объем), Velocity (скорость), Variety (многообразие). Среди иных важных принципов, основных также три: масштабируемость (Big Data – система расширяемая, клиентов, машин в ней множество), отказоустойчивость (если часть машин будет сбоить – вся система будет устойчиво работать); локализация данных (на сервере).

Например, в торговле Big Data отражает не только количество посетителей, но и конверсию, «средний чек», задержку клиента, его маршрут – все, что необходимо для оценки активности и потенциала аудитории [5, с. 151].

Основы технологии Big Data базируются на методах (технологиях):

  • Data Mining;
  • классификации, ранжировании, таксономии;
  • краудсорсинге;
  • использовании ИИ (нейросетевой анализ, в частности, распознавание);
  • 3D-визуализации;
  • анализе временных рядов;
  • A/B-тестировании и др.

Примерами использования Big Data являются зондирование Земли, «лайки», автомобильные GPS-системы логистической компании и др. Примеры инструментария – AsterMapReduceAppliance, BigDataAppliance и др. [6, c. 2].

Связи «CRM – AI»

CRM-системы предназначены для обработки информации о потребителях по различным каналам (например, по e-mail, в соцсетях) и предоставления интегрированной среды управления взаимодействиями с потребителями, автоматизации маркетинга и привлечения клиентов. Малые предприятия достаточно функциональны и могут применять СИИ, встроенную в популярную платформу CRM. Функциональность системы «CRM-AI» возрастет. За счёт неё можно анализировать письма, сообщения соцсетей, отзывы клиентов, оценивать их, адаптироваться к ним, корректировать маркетинг, таргетинг (например, автоматически направлять потенциальных клиентов или персонализировать маркетинг-акцию).

Обслуживание и сопровождение – ключевой момент эффективного удержания клиентов. Качество улучшится, если выполнять не ранее поставленные задачи, а организовывать процессы согласно уникальному опыту поддержки потребителей. Например, компании могут автоматизировать ответы, классифицировать их, направлять оперативно нужному процессу, освобождая время для решения профессионально важных, не решаемых без участия человека, задач. Малые предприятия смогут сократить время обработки и больше автоматизировать связь между бизнес-процессами и клиентами.

Связи «СИИ – маркетинг»

Эффективное управление маркетинговым бюджетом требует глубокой экспертизы и дополнительных издержек малого бизнеса. Малые предприятия уже сейчас могут доверять свои маркетинговые кампании ИИ-платформам по управлению маркетинговыми операциями (например, Adwords, Bing), так же как и ведение анализа эффективности рекламы с использованием маркетинговых ИИ-решений. Они помогают организациям подобрать оптимальную маркетинговую стратегию, значительно снизить цену, за счет взаимодействий клиентов с маркетинговыми кампаниями. Автоматизация, интеллектуализация и эффективный мониторинг бюджета ведут к экономии.

Связи «СИИ – конкурентная разведка»

Роль конкурентов оказывает значительное влияние на реагирование на тенденции рынка и сохранения конкурентоспособности. Для повышения конкурентоспособности используется инструментарий анализа, например, AI Crayon, отслеживающий конкурентов с различными коммуникациями (сайты, соцсети, приложения), определяющий динамику ценообразования PR-мероприятий. С бизнес-процессами, метриками, функциональность может дать малым предприятиям более качественное понимание текущих изменений в стратегии их конкурентов. Конкурентная разведка, поддерживаемая СИИ, включает мощные аналитические возможности, позволяющие мгновенно выявить слабые и сильные стороны конкурентов и использовать их при адаптации бизнес-процессов своей компании.

Готовые решения и веб-аналитика

Существуют современные ИИ-ориентированные алгоритмы анализа, классификации, таксономии, моделирования, принятия решений, прогнозирования. С их помощью бизнес-компания может мгновенно актуализировать информацию (данные, знания) по бизнесу, извлекать сведения, связи, идентифицировать параметры (Google, CSV, Excel и др.).

Такие алгоритмы и программы являются легко интегрируемыми и используются для анализа продуктов. Рынок СИИ на подъеме, у бизнеса больше возможностей следовать стратегии ИИ, вместо аутсорсинга маркетинговых компаний – машинное обучение, подключение к ИИ-платформам. Автоматизация (СИИ+АРМ) и бизнес-аналитика позволят сэкономить ресурсы малых фирм, давая возможность оставаться конкурентоспособными в «цифровой» экономике.

Аналитика существует везде – в прогнозах, в анализе-синтезе процессов. Интернет-приложения релевантны аналитическим исследованиям специалистов, например, маркетологов, «рекламщиков». Веб-бизнес требует, чтобы бизнес-возможности корпорации были повышены многократно с помощью СИИ, Big Data и других технологий.

Необходима аналитика – полная, своевременная, точная. Даже когда отсутствуют четкие предписания, потребность в ней возрастает: интернет-бизнес развивается достаточно сумбурно и бессистемно, нет релевантных регуляторов в бизнес-ориентированных веб-сообществах. Каждый сектор развивается самостоятельно, регулируется соответственно. Важен межкорпоративный менеджмент, объединение компаний для устойчивого, многостороннего развития, защиты корпоративных, отраслевых интересов.

Здесь эффективно применимы аналитические системы, ИИ, Big Data, Data Mining и др. Например, у интернет-магазинов не бывает стабильных регулярных вложений (они зависят от прибыли), а бизнес-модели динамично меняются (от прибыльности до убыточного состояния), поэтому в сложных динамичных рыночных условиях следует позаботиться о качественной аналитике – «щите» бизнеса.

Бизнес-аналитик сможет найти решение с помощью компетенций, аналитического инструментария, программных средств (стандартов) реального режима (например, IDEF, SQL, SAS, ERP). Для этого необходимо:

  • собрать, проанализировать информацию;
  • организовать эффективную работу;
  • выделить и релевантно описать автоматизируемые бизнес-процессы (особое внимание следует уделить управленческим);
  • моделировать бизнес-взаимодействия (класса B2B, B2C и др.);
  • поддержать системы и стандарты офисной документации (XML, OpenOffice и др.);
  • идентифицировать наиболее приоритетные цели и ресурсы их достижения.

Выводы:

В течение последних лет удалось полностью устранить технические проблемы, которые были связаны с применением решений Big Data. Вопросы, при текущем наборе технологий, решаются более мобильно, чем это было до их использования. Однако существует ряд факторов, влияющих на замедление развития Big Data.

Зачастую большинство бизнес-процессов в компаниях недостаточно отлажены для внедрения новых технологий. Это вызвано рассогласованием хранилищ в различных отделах компании, и при необходимости решения масштабных аналитических задач, интеграция информации оказывается затруднена. В таких ситуациях требуется совместная работа аналитиков. Но эти инциденты можно и избежать, если придерживаться четкой централизации, или «единой версии правды», как ее еще называют.

Как следствие, аналитические предсказания, как и прогнозы событий сопровождаются неустойчивостью, несоответствиями. Поэтому проделанный системный анализ поможет бизнес-аналитику построить системную модель, отвлекаясь от второстепенных, не влияющих на целостность структуры, факторов. В дополнение, применение системы ИИ на практике не ограничивается выбором математической модели или какого-нибудь алгоритма. Big Data в бизнес-процессы и дальнейшая структурированная работа с ними с отслеживанием процесса на каждом этапе функционирования.

 

Список литературы:

  1. Яковлев В.С. BIG DATA / В.С. Яковлев // Техника и технологии: роль в развитии современного общества.-2015, №6, с.83-90.
  2. Научные статьи в области искусственного интеллекта. – URL: http://neuronus.com/stat (дата обращения 05.06.2018).
  3. Герасименко Н.А. О некоторых особенностях технологии BIG DATA / Н.А. Герасименко // Научное обозрение. -2015, №16, с.180-184.
  4. Карчагин Е. В. Эпистемология и эвристические возможности Big Data // Концепт. –2015, №12 (декабрь), с.1-7. – URL: http://e-koncept.ru/2015/15437.htm (дата обращения 05.06.2018).
  5. Измалкова С.А. Использование глобальных технологий «BIG DATA» в управлении экономическими системами / С.А. Измалкова, Т.А. Головина // Известия Тульского государственного университета (серия «Экономические и юридические науки»).-2015, т.4, №1, с.151-158.
  6. Lagoze C. Big Data, data integrity, and the fracturing of the control zone. Big Data & Society, July–December, 2014, p.2.
Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
Диплом Выбор редакционной коллегии

Оставить комментарий