Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики - Билл Фрэнкс

Недавно я прочитал очень интересную книгу Кристофера Стейнера «Автоматизируй это: Как алгоритмы будут управлять нашим миром» (Automate This: How Algorithms Came to Rule Our World){26}. В ней рассматривается эволюция компьютеризированной торговли на фондовом рынке. Если вы не в курсе, сейчас компьютеры используют сложные аналитические алгоритмы, которые за миллисекунды принимают решения о покупке или продаже ценных бумаг. Затем они в мгновение ока напрямую размещают ордера на продажу/покупку бумаг. Как правило, цель – поймать крайне малую разницу в ценах и тут же закрыть сделку. Повторите такие действия миллионы раз в день и прилично заработаете, даже если отдельная сделка принесет гроши. Автоматическая торговля ценными бумагами при помощи аналитики с интервалами в миллисекунду – еще один наглядный пример операционной аналитики в действии.

Если еще несколько лет назад автоматизированный трейдинг был в общем-то новинкой, то сегодня на него приходится значительно больше половины всего объема торгов на ведущих биржах{27}. Такой вид операционной аналитики сопряжен как с большой ответственностью, так и с большими рисками. Ведь компьютеры самостоятельно анализируют последние данные и немедленно ставят на кон реальные деньги. Требуется принять на себя серьезную ответственность за то, чтобы гарантировать, что торговые алгоритмы полностью протестированы и отслеживаются на случай, если возникнет непредвиденное отклонение. Риски возникают тогда, когда непредвиденное все-таки происходит, но вовремя не выявляется.

В 2010 г., казалось бы, ни с того ни с сего и без видимых причин произошел так называемый мгновенный обвал американского фондового рынка. Оказалось, что толчок к обвалу дал сбой в автоматической торговой программе{28}. Но к тому моменту, когда источник проблемы установили и приняли меры для ее смягчения, уже был причинен огромный реальный ущерб. Очевидно, что из-за осложнений, возникших в аналитических процессах, которые использовались для сомнительных торговых программ.

Иногда важны даже миллисекунды

Кажется безумием инвестировать сотни миллионов долларов в сокращение на несколько миллисекунд процесса передачи данных. Но с учетом того, на какой скорости работают компьютеризированные торговые программы, эти инвестиции себя окупают. На автоматические алгоритмы, представляющие собой операционную аналитику в ее наивысшем проявлении, сейчас приходится более половины объема торгов на фондовых биржах.

Таким образом, в число проблем, с которыми сталкивается операционная аналитика, входят прием непредвиденных вопросов и работа с ними. Когда организация позволяет алгоритмам с упреждением и автоматически принимать решения, система может разладиться (и разлаживается!). Однако важно помнить, что система может разладиться (и разлаживается!) при любом способе принятия решений. Например, когда люди водят машину, они понимают, что время от времени будут совершать ошибки. ДТП являются неотъемлемым риском вождения. Однако люди не перестают водить машины, поскольку в долгосрочной перспективе выгоды от вождения намного перевешивают риски и издержки периодически случающихся ДТП.

Аналогичным образом будут происходить негативные инциденты с операционной аналитикой. Каждая организация, применяющая операционную аналитику, время от времени будет сталкиваться с глюками и ошибками. Тем не менее в долгосрочной перспективе, если организация правильно осуществляет свои процессы, выгоды намного перевесят любые издержки, которые неизбежны при ведении бизнеса. Несколько отдельных инцидентов не должны стать поводом для отказа от всего подхода.

Что же касается скорости аналитики, интересно посмотреть, каких пределов она может достичь. В книге Стейнера рассказывается о том, как инвесторы вложили сотни миллионов долларов в строительство спрямленной линии связи для передачи данных из Нью-Йорка в Чикаго. Вместо того чтобы прокладывать ее по традиционным полосам отвода вдоль автомобильных и железных дорог, инвесторы приобретали частные участки, лишь бы спрямить маршрут. Сокращение его протяженности на несколько миль, по сравнению с существующей линией, сокращало время передачи данных на несколько миллисекунд. С учетом скорости работы торговых алгоритмов эти сэкономленные миллисекунды со временем вполне могут вылиться в многомиллиардные прибыли. Ведь алгоритмы, использующие более быструю подпитку данными, способны получать, анализировать и применять информацию прежде, чем конкуренты, использующие традиционные линии связи, даже ее получат. Поэтому инвесторы были уверены в том, что их вложение средств с лихвой себя оправдает.

Широкое разнообразие методов операционной аналитики направлено на обеспечение безопасности людей, имущества и продуктов питания. Применяя новые источники данных для создания новых аналитических процессов, можно сделать наш мир безопаснее. В следующем разделе мы рассмотрим несколько таких примеров, в том числе один из государственного сектора. Ведь коммерческие организации не единственные, кто может выиграть от внедрения операционной аналитики. Государственным структурам это тоже по силам.

Сегодня автомобили становятся все более и более сложными. Современные автомеханики при обслуживании автомобиля должны разбираться не только в его механических, но и в компьютерных системах. Несколько последних инноваций направлены на повышение безопасности вождения за счет предотвращения неблагоприятных событий.

Системы круиз-контроля могут вскоре усовершенствоваться благодаря аналитике, автоматически предупреждающей столкновения. Если, исходя из разницы в скорости между своим и впереди идущим автомобилем, компьютер определяет, что столкновение неизбежно, он автоматически активирует тормоза, опережая водителя. В беспилотных автомобилях (о них мы поговорим чуть дальше) водителям вообще не нужно нажимать на тормоза. Также очень простая аналитика помогает обнаружить людей и объекты при движении задним ходом. Многие автомобили сейчас уведомляют водителей звуковым сигналом о наличии препятствия и информируют о расстоянии до него. Невероятно простая в этом случае аналитика, однако, позволяет спасти жизни, особенно маленьких детей, которые часто остаются незамеченными для водителей при движении вспять.

Вспомните пример из второй главы о датчиках, устанавливаемых рядом с железнодорожным полотном, чтобы в режиме реального времени они отслеживали температуру колес у проходящих составов. Если система обнаруживает перегрев колес, состав получает приказ остановиться. К нему направляется бригада рабочих, чтобы проверить состояние вагона и правильно разместить груз. Для железнодорожной компании гораздо дешевле остановить состав и устранить проблему до схода его с рельсов, чем потом устранять последствия катастрофы. Ведь сход с рельсов не только приведет к серьезной задержке движения, но и может причинить значительный материальный ущерб и даже привести к человеческим жертвам. Использование же сенсорных данных не только делает железные дороги более безопасными, но и бережет средства. Хотя в этом случае используются довольно простые алгоритмы, их роль весьма значительна.