DaaS – это открытый концептуальный подход по работе с потоками данных, цель которого – предоставить конечным пользователям результат обработки потоков данных в доступном для восприятия и удобном для использования виде, за короткие сроки и защищенным от внешнего вмешательства способом. Например, облачные сервисы по хранению и обработке данных рассматриваются в качестве составного элемента концепции Data-as-a-Service.

Зачем использовать DaaS?

В любого бизнеса есть две фундаментальные цели: увеличивать прибыль и снижать затраты. DaaS помогает в реализации обеих. С одной стороны, структуризация работы с данными ускоряет бизнес-процессы и тем самым снижает затраты. С другой стороны, методология DaaS позволяет обнаружить проблемные места и одновременно потенциальные точки роста в производственном цикле компании, например внедрить предиктивную аналитику и оптимизировать логистику, а значит, увеличить прибыль.

Стоит отметить, что DaaS используется как для внутренних нужд компании, так и для выполнения задач, поставленных клиентами. Причем и в том и в другом случаях DaaS структурирует рабочий процесс и ускоряет получение результата.

Как показывает практика, лучше всего концепция DaaS действует при реализации следующих шести этапов, которые замыкаются в единую цепь.

Создание и (или) сбор данных. Данные могут быть получены как из внешних источников (СМИ, социальные сети, данные с мобильных устройств), так и из внутренних (базы данных, CRM, ERP, а главное – IoT).
Транспортировка. Существуют десятки стандартных и нестандартных способов проводной и беспроводной передачи данных – современные провайдеры умеют делать сети почти из чего угодно.
Хранение. Фактически стандартом работы сегодня стали облачные решения по хранению данных – на рынке представлены различные технологии виртуализации и огромный выбор аппаратных решений.
Анализ данных. По сути дела, это самый сложный этап, где реализуются вся мощь технологических возможностей и последние достижения в математике. Именно на этапе анализа привлекают самых дорогостоящих специалистов и большая часть первичных данных компании наконец-то превращается в полезную (конвертируемую в деньги), а главное, презентабельную и удобочитаемую для клиентов информацию.
Информационная безопасность. Элементы этой единой системы должны присутствовать на каждом этапе модели DaaS.
Интеграция и внедрение полученных результатов. Финальный этап, которому предшествуют предварительное тестирование решения и разработка пилотного проекта, когда становится понятно, дает ли решение положительный эффект.

Кто может использовать DaaS?

DaaS экономически оправдан при планируемой возможности снижения расходов или увеличения прибыли на пять и более процентов, вместе с тем мы видим прецеденты увеличения прибыли на проценты в виде двузначных цифр. А для компании с миллиардными оборотами 10% – огромная сумма.

Что касается масштабов, то DaaS выгоден бизнесу любого размера при наличии хорошо продуманной стратегии, включающей в себя оценку рабочего процесса с точки зрения двух основных понятий: решаемых задач и данных, которые либо уже есть, либо их еще необходимо получить.

От размера бизнеса зависят только объем инвестиций, количество и качество используемых элементов DaaS-подхода. Например, стартапу по доставке еды из ресторанов достаточно воспользоваться бесплатными данными из основанных на «Яндексе» ресурсов, парой виртуальных машин в недорогом облаке, бесплатным хостингом для веб-странички, бесплатными антивирусами, сбором новостных данных по RSS и автоматическими поисковыми запросами.

А вот крупная компания может внедрить на производстве десятки тысяч RFID-меток с антеннами и считывателями, оборудовать камерами и LoRa-передатчиками площадки, где добываются полезные ископаемые, купить статистические данные по своей отрасли у консалтинговой компании и все это обработать на Hadoop-кластере в сотню серверов за 6–8 часов.

Примеры и кейсы

Рассмотрим предоставляемые DaaS возможности на примере создания мэшапа – веб-сервиса, который объединяет сразу несколько продуктов. Таким мэшапом может стать, скажем, сервис «Яндекс.Карты» с добавлением расположения точек общепита – кафе и ресторанов. В объединенном продукте будут использованы два источника данных при одной общей цели – дать пользователю возможность быстрого поиска места, где можно перекусить.

Более сложный пример: база данных продаж определенного товара розничной сети, когда выполняется разбивка по сезонам за несколько лет и передается в аналитическую платформу. В нее же загружаются данные о цикле производства товара у производителя, планы промоакций и любая другая дополнительная информация. Использование системы обработки данных, скажем, с задействованием возможностей нейросети, позволяет розничной сети строить четкие планы продаж, опираясь на фактические данные. Производитель, исходя из потребностей клиента, может определить, в какое время и сколько товара необходимо будет произвести.

Реальных кейсов хватает

На наш взгляд, весьма показательным является проект, реализованный компаниями Tesco и Nestle. У последней есть сервис NDSD (Nestle Direct Store Delivery), где применяются полуфабрикаты быстрой заморозки. Учитывая их сезонность, компании используют их в качестве драйверов промоакций. Руководство Nestle поставило задачу составить прогноз спроса на эту группу товаров, чтобы в дальнейшем распространить опыт и на другую продукцию.

На тот момент компания Business & Decision (в настоящее время это часть группы Orange S.A.) организовала совместный проект, в котором объединила Nestle и Tesco, создав новое масштабируемое высокоскоростное решение с удобным интерфейсом и автоматической отчетностью. Использование данных о прогнозе в процессе снабжения позволило существенно сократить затраты на логистику. Повышение точности прогноза на 7% способствовало уменьшению страховых запасов более чем на 12%, существенно улучшив планирование промоактивности.

Возможные проблемы при внедрении DaaS

По данным американской компании Retail System Research, бизнес может столкнуться со следующими типичными проблемами в ходе работы с DaaS:

56% респондентов заявили, что им недостаточно емкости каналов связи для передачи данных;
46% подчеркнули, что им не хватает экспертизы в аналитике;
38% сообщили, что имеющиеся аналитические движки не справляются с информационными потоками и не могут обработать объем получаемых данных за разумное время с приемлемым результатом;
37% считают, что руководство не решается связываться с пока еще не до конца понятной концепцией;
37% не обладают пониманием, где и как собирать данные;
37% подчеркнули, что у их ИТ нет опыта работы с данными как с бизнес-концепцией – они все еще мыслят категориями технологий и техники;
25% не понимают, каким образом применять собранные данные;
25% говорят о том, что в их компании нет ответственного по внедрению DaaS – здесь речь идет о так называемом Chief Data Officer (CDO). Кстати, в розничных сетях сейчас активно появляются похожие подразделения и должности. Часто эту функцию выполняют Chief Innovation Officer (CINO) или Chief Technology Innovation Officer (CTIO) – «директора по инновациям».

Перспективы DaaS в России и мире на ближайшие пять-десять лет

В ближайшие годы осознание необходимости системного подхода несомненно увеличится. Например, в ритейле все чаще озвучивается идея перехода к единому подходу по работе с данными. Так или иначе, но рыночная конкуренция вынудит бизнес использовать DaaS. Госкомпании идут другим путем, двигаясь в этом направлении, как правило, директивно.

В перспективе DaaS определенно станет стандартом.

Источник

http://wwww.transvelo.com