Big Data в реальных примерах

Наличие большого объема статистических данных у телеком-операторов позволяет строить прогнозы и оценки, пригодные не только для внутреннего использования, но и имеющие практическое значение в разных сферах бизнеса и госуправления. На Воронежском промышленном форуме телеком-оператор Tele2 представил свои аналитические решения с использованием Big Data в различных отраслях экономики.

Практическое применение разработанных решений позволяет как прогнозировать различные тенденции, так и оптимизировать значительную часть бизнес-процессов. В настоящее время применение анализа Big Data находит все больший спрос как в сфере госуправления, так и в бизнес-сегменте российской экономики. Основная причина – наглядность и достоверность полученных результатов.

Современные системы аналитической обработки позволяют превратить данные в знания», – рассказал руководитель службы внедрения и технологического развития продуктов Big Data Tele2 Александр Сафонов.

«Совмещение данных, полученных из различных источников, может дать достаточно точную картину по множеству параметров: от прогнозов перспективности авиасообщения до анализа локальных точек продаж», – пояснил он.

Совмещение открытых данных (например, расположение объектов социальной инфраструктуры, этажность жилых зданий, расписание общественного транспорта и пр.) и статистических данных оператора, а также построение аналитических моделей, позволяет создавать социально-демографические портреты территорий, узнать где жители предпочитают работать и проводить выходные, увидеть маршруты и виды транспорта, которыми перемещается определенная социальная или территориальная группа, увидеть динамику уровня дохода и другие показатели.

Как пример, для концепции «Умный город» – данные, которыми располагает сотовый оператор, могут с высокой долей достоверности анализировать пассажиропоток, прогнозировать необходимость и востребованность маршрутов транспорта, выявить места наиболее плотного трафика в определенные часы. Обработка обезличенных данных за произвольный период позволит получить «портрет посетителя» определенных территорий или мероприятий, выстроить оптимальные маршруты спецтехники, найти места дислокации мигрантов или любой другой определенной социальной группы.

«Наличие большого количества разнообразных данных, а, самое важное, умение строить на их основе аналитические модели, позволяет нам предложить различным заказчикам достоверные картины и прогнозы», - подчеркнул представитель Tele2.

Кейс «Пассажиропоток в метро»

Цель: принять решение о развитии метрополитена и окружающих территорий.

Задачи: идентификация станции отправления и назначения; количество и продолжительность поездок; количество транзитных поездок; количество проживающих в зоне каждой станции людей; количество работающих в зоне каждой станции людей.

Результат: построение карты пассажиропотока с возможностью прогноза проблемных участков и для проработки сценариев оптимального развития общественного транспорта города.

Кейс: «Суточная миграция жителей с использованием общественного транспорта»

Цель: определение загруженности транспорта и объемов пассажиропотока

Задачи: определение плотности пасажиропотока по маршрутам, распределение по времени суток, определение начальной и конечной точек поездок, определение уровня загруженности сегментов транспортной инфраструктуры.

Кейс: «Анализ концентрации туристов в Краснодарском крае»

Цель: выявление мест неочевидной концентрации туристов.

Задача: определение загруженности базовых станций туристами с учетом сезонности для определения целесообразности открытия новых отелей, кафе, объектов туристической инфраструктуры.

Кейс: «Авиасообщение между субъектами РФ»

Цель: спрогнозировать спрос на внутренние рейсы между определенными регионами.

Задачи: анализ текущего авиасообщения или определение пассажиропотока по действующим транспортным магистралям (авто и ж/д трассы) для выявления потребности открытия новых авиарейсов.