Алгоритмы против «черных лебедей»: как большие данные могут опровергнуть Нассима Талеба

Часто цитируемый философ и бывший трейдер Нассим Талеб утверждает, что ученые, политики, бизнесмены и финансисты переоценивают возможности рационального применения объективных данных и недооценивают закономерное влияние необъяснимой случайности, так называемого «черного лебедя». Но теории «черного лебедя» уже больше десяти лет, за это время технологии сильно ушли вперед, и я знаю, что автоматизированные прогнозирование и предписания на его основе зачастую уже дают лучший эффект, нежели интуиция менеджмента или консалтинговая экспертиза. И я уверен, что инструменты новейшей аналитики чем дальше, тем быстрее будут завоевывать рынок подготовки, принятия и даже исполнения управленческих решений.

Сейчас много говорят о новых технологиях на основе big data. Действительно, сбор и обработка данных на глазах меняет жизнь человечества. Машинные подсказки теперь всегда вокруг нас. Изучив информацию о нашем поведении, провайдер рекомендует новый сериал; почтовый сервис — товары в интернет-магазине; социальная сеть — места отдыха; навигатор — маршруты и режимы вождения. Наши действия фиксируются невидимыми ИТ-системами в интересах продаж, безопасности, регулирования и планирования.

Но самые инновационные организации используют big data уже не для того, чтобы продать товар. Бизнес, ведомства и госструктуры работают над тем, чтобы сделать надежными удобство и выгоду от предлагаемых решений, выполнить конкретные задачи индустрий, хозяйств и территорий. Обработать с пользой данные всех технологических, социальных, бизнес-процессов, автоматически согласовать их — задача гораздо более сложная, но именно ради нее и нужна аналитика. И именно здесь проходит водораздел между традиционной аналитикой (предиктивной, или прогнозной) и аналитикой новой (прескриптивной, или предписывающей).

С появлением массы доступных объективных текущих данных и мощных средств их одновременной обработки впервые в ИТ появилась возможность автоматически объединить прогнозы и указания к результативным действиям. Прежняя (прогнозная) аналитика объясняла текущую ситуацию и строила сценарии будущего, новая (прескриптивная) дает рекомендации правильных действий, кратчайшего пути к запланированным результатам и KPI.

Так, например, навигатор прокладывает маршрут по запросу конкретного водителя, но благодаря прескриптивной аналитике он может делать это с учетом маршрутов сотен тысяч обратившихся к сервису водителей. И весь транспорт в городе начинает двигаться согласованно, без пробок, безаварийно и намного быстрее. При этом с учетом обстановки по динамически создаваемым предписаниям будут работать все субъекты дорожного движения. «Умные» светофоры уже анализируют трафик, прогнозируют потоки и пробки, без участия человека меняют режимы работы. И это происходит не где-то, а уже в России: в Москве, Татарстане и некоторых других регионах.

Ритейл, банковский бизнес, промышленность — прескриптивная аналитика может применяться везде, где нужно оптимизировать вложения, увеличить эффективность, максимизировать прибыльность бизнеса, управляемость организации, дивиденды акционеров. Огромное поле применения такой аналитики — в цепочках капиталоемких отраслей с вариативными процессами: металлургии, химии, нефтегазовой отрасли, горном деле, на транспорте.

Системы на базе прескриптивной аналитики уже работают на металлургических предприятиях России — например, на заводах «Северстали», исключительно точно добавляя ферросплав в процессе выплавки стали, автоматически получая заданное качество металла.

Особая отрасль — медицина, где с ростом качества жизни людей, удорожанием и усложнением задач растет сложность аналитических систем и алгоритмов, число используемых источников данных — от классических историй болезни, биометрического мониторинга до геномных и семейных данных и информации социальных сетей.