Інтерв’ю з Девідом Гінзбергом, головним науковим співробітником SAP.

Дуже важко вирішити, який тип даних можна використовувати для досягнення результатів у конкретному випадку - каже Девід Гінзберг про великі дані.

За словами керівника аналізу даних SAP, найкрасивішою частиною роботи є те, що вони практикують практичну науку і можуть перевірити свої виміри та висновки на практиці.

Комп’ютерний світ: Harvard Business Review писав про роботу вченого з питань даних як про найсексуальніше завдання сучасності. Ось як ти це бачиш?
Девід Гінзберг: Можливо, вам слід більше про це запитати мою дружину. На жарт, я багато-багато років працюю над застосуванням математичних алгоритмів та керую бізнес-командами. Моя робота все більше полягає в аналізі та оцінці приголомшливої ​​кількості даних. Тож моя робота сексуальна в тому сенсі, що раптом вони не лише звертають увагу на те, що ми сказали, але за одну ніч нам дуже знадобився наш досвід. Для уникнення конкуренції серед тих, хто приймає рішення в бізнесі, аналіз даних став принципово вирішальним фактором у стратегії найуспішніших великих корпорацій із кулуарної діяльності. У цьому сенсі наша діяльність справді сексуальна.

робота

CW: Який вплив мають менеджери великих даних у великих компаніях на сфери бізнесу? Їх роль подібна до ролі ІТ-директорів, які беруть активну участь у бізнес-процесах?
ГД: Так, з тією різницею, що це дуже важлива річ не лише на стратегічному рівні, а й на операційному, оскільки статус ключових показників діяльності компанії все більше залежить від нас. Регулярно контактують з ключовими особами, що приймають рішення компанії, включаючи ІТ-директора. Ми працюємо з ними задля довгострокових цілей. Але так само ми регулярно контактуємо з виконавчим персоналом, який працює на місцях, оскільки за великих даних дуже короткі терміни можуть бути досягнуті і дуже значні фінансові вигоди. Іншими словами, робота кожного набагато більше вписується в стратегію компанії.

CW: Які найбільші виклики у вашій роботі?
ГД: Це вже четвертий раз у моїй кар’єрі, коли я створюю команду з аналізу даних. Програмування математичних алгоритмів є важливим, але ми маємо також багато інших завдань. По-перше, все починається з потреб бізнесу. Дуже важко зробити перші кроки, знайти потрібних людей для того, який тип даних дійсно може бути використаний для досягнення результатів у конкретному випадку. Як тільки ви це отримаєте, інженери-програмісти, математики, можуть прийти звідти. Також не має значення, як побудовані алгоритми реалізовані в існуючих системах. Найкрасивішою частиною нашої роботи є те, що ми культивуємо не теоретичну, а практичну науку. Ми також можемо перевірити свої вимірювання та висновки на практиці. Взаємодія з користувачем має вирішальне значення: фінансовий менеджер вимагає даних зовсім інакше, ніж, скажімо, менеджер з обслуговування.

CW: З точки зору простоти, SAP є одним з провідних постачальників великих даних, і ваша платформа HANA побудована на безлічі процесів аналізу даних у всьому світі.
ГД: Це правда, але наша команда спеціальних експертів є нейтральною до платформи, не кажучи вже про роботу лише з одним рішенням. Ми можемо виконати побажання наших клієнтів на будь-якій широко розповсюдженій платформі. Правда, система SAP має деякі чітко визначені переваги.

CW: Які ви маєте на увазі?
ГД: Наприклад, що ми можемо використовувати це для створення математичних моделей, які практично передбачають, коли машина або деталь вийде з ладу. А прогнозована аналітика приваблює клієнтів: якщо ми розгорнемо систему, то незабаром отримаємо ще один запит. "Це дуже гарна річ, але ми могли б використовувати її для вирішення цієї проблеми, навіть для вирішення цієї проблеми" - ми отримуємо все більше питань та запитів.

CW: Він дав би приклад прогнозної аналітики?
ГД: Наприклад, ми доставили рішення з оптимізації цін великій торговій компанії. Як частина цього, HANA може надавати цінову допомогу не тільки дуже швидко та динамічно, але й на місцях. У той же час отримані таким чином дані дозволяють дуже точно сказати і навіть передбачити очікувану популярність товарів та їх подальші зміни. Такий набір даних, навпаки, може бути використаний для аналізу моделей поведінки великих мас споживачів, які, наприклад, можуть бути використані для оптимізації, наприклад, рекламних цілей та витрат.

CW: Які обсяги даних задіяні?
ГД:У нас є Інтернет-клієнт, де ми працюємо з петабайтами даних, і колеги повинні відстежувати не менше 300 000 (!) Вимірюваних змінних. Рішення великих даних у цьому величезному наборі даних повинно розпізнавати як можливості, так і загрози. На цю суму потрібне наше програмне забезпечення для точного виявлення тенденцій.

CW: Де потрібні згадані вище «передбачення»?
ДГ: Ми працюємо у багатьох комунальних службах по всьому світу, і я повинен сказати: сектор зазнає значних змін. Протягом ста років лише один великий постачальник послуг постачав електроенергію з електростанції до кінцевих точок, але низка споживачів тепер також стала постачальником послуг через сонячні батареї. За допомогою наших інструментів нам потрібно допомогти оптимізувати таку дедалі складнішу систему.

CW: Інші сектори зазнають таких змін?
ГД: Так, наприклад, на транспорті, будь то залізничний, водний або повітряний шляхи. Утримання цих флотів коштує приголомшливих сум. І якщо ми можемо передбачити заздалегідь, які деталі закінчаться, ми можемо заощадити десятки мільйонів євро лише на запасах деталей. Також можна робити подібні прогнози в галузі виробництва. Наприклад, у поєднанні з автоматизованою інспекцією продукції ми можемо також сказати, як і з якою швидкістю вийде з ладу виробниче обладнання, яке також коштує десятки мільйонів євро. Завдяки цьому, крім величезних витрат на технічне обслуговування, ми можемо також продовжити життя навіть самих отруйних пристроїв. Це не лише залишає більший прибуток нашим корпоративним партнерам, але й підвищує їх чуйність та спритність до конкурентів.

CW: Я добре чув, що ви навіть використовуєте HANA у сфері спорту?
ГД: Так, ми можемо з дивовижною ефективністю аналізувати результати кожного гравця, тому можемо навіть давати поради щодо очікуваного розвитку результатів матчів. А американський футбол - це величезний бізнес, особливо так званий фентезі-футбол, де онлайн-команди можуть складати онлайн-команди.

CW: Можливо, SAP буде головним спонсором наступного Super Bowl? Вони також можуть заздалегідь передбачити, який гравець буде травмований?
ГД: Звичайно, це не так, я не великий чаклун.

CW: Суєта навколо великих даних величезна. Ви також вважаєте, що це явище принципово змінює світ?

ГД: Чи занадто задихається явище великих даних? Може бути. Але ми дуже скромні: ми не хочемо принципово змінювати світ, ми просто хочемо максимально досконало задовольнити потреби наших клієнтів.

CW: Наша онлайн та соціальна активність може виявити занадто багато про нас, правда?
ГД:Я погоджуюсь із вами на сто відсотків щодо важливості конфіденційності та безпеки даних. У той же час, я не думаю, що ті, хто вважає, що всі важливі дані можна отримати з соціальних мереж, завжди мають рацію. Іноді це дуже допомагає, але багато разів це нічого не варте. Я хотів би сказати, що це додає додатковий вимір у повсякденному житті стратегічного мислителя. Я міг би описати це як підняття наших клієнтів з нуля в повітря, звідки вони можуть бачити свою компанію з зовсім іншої точки зору. Це момент, який дуже допомагає знайти правильні конкурентні переваги і, звичайно, скористатися ними, а також визначити справжні проблеми.

CW: Чим він найбільше пишається протягом року в SAP?
ГД: Ми маємо особисті стосунки з кожним клієнтом. Часто кажуть, що ми велика компанія, ми просто хочемо продати багато програмного забезпечення замовнику, але це неправда. Наш відділ працює як свого роду невеликий бутік. Я думаю - крім нашої чудової команди - це також основа нашого успіху.

- Девід Гінзберг - керівник аналізу даних SAP. У всьому світі він відповідає за аналітичний бізнес глобальної компанії, де розробляються та впроваджуються рішення для аналізу великих даних та прогнозованої аналітики. Він також є членом Дорадчої ради SAP Services.
- Гінсберг працює у глобальній компанії з 2006 року, раніше працював у Khimetrics, AMEC, Agra Simons та Fluor Daniel.
- Він здобув ступінь доктора філософії в Науково-дослідному центрі мінералів імені Джуліуса Круттнітта (Університет Квінсленда, Австралія). Він отримав ступінь електротехніки (MA і BA) в Університеті Кейптауна в Південній Африці.