Big Data: Από εδώ ξεκινά κάθε big business σήμερα

Ενδέχεται να μην το έχεις προσέξει, αλλά στον κόσμο της τεχνολογίας πολλές φορές τα πιο σημαντικά πράγματα είτε ‘κρύβονται’ κάτω από άλλα, περισσότερο εντυπωσιακά αλλά αναλογικά ασήμαντα, είτε έχουν βαρετά ονόματα. Άκου τώρα όνομα: ‘Big Data’. Βαρετό! Η έννοια, όμως, αυτή καθ’ αυτή στις εφαρμογές της μόνο βαρετή δεν είναι, ακριβώς γιατί στην καθημερινή σου ζωή δεν δίνεις πλέον σημασία στο πώς ακριβώς “ρέουν γύρω σου” απίθανα πολλά δεδομένα και πως, αναλύοντας με έξυπνους τρόπους πολλά από αυτά, μπορείς να έχεις στα χέρια σου συμπεράσματα και διαπιστώσεις υπερπολύτιμες στην πράξη.

Αυτή η αποσταχυολόγηση δεδομένων και η ανάλυσή τους εξελίσσεται σε μία επιστήμη από μόνη της σιγά-σιγά: με τους σημερινούς ηλεκτρονικούς υπολογιστές τα δεδομένα ακόμη συλλέγονται με συγκεκριμένους τρόπους κι η ανάλυση χρειάζεται κάποιο χρόνο, στο μέλλον όμως έξυπνοι αλγόριθμοι και περισσότερη επεξεργαστική δύναμη θα καταστήσουν αυτές τις διαδικασίες ‘πραγματικού χρόνου’ (real-time) και τα αποτελέσματα, αξιοποιήσιμα αμέσως.

Συνεχίζει ν’ ακούγεται βαρετό; Ορίστε πέντε σημαντικές χρήσεις των Big Data που δεν είχες πολυσκεφτεί μέχρι σήμερα και λίγες ακόμη που θ’ αρχίσεις να προσέχεις στο μέλλον. Αν, άλλωστε, θέλεις όχι μόνο να είσαι σε επαφή με το μέλλον αλλά να το σπουδάσεις και να δουλέψεις με αυτούς που το διαμορφώνουν, υπάρχει πάντοτε η επιλογή του πρώτου και μόνου κολεγίου στην Ελλάδα που εστιάζει αποκλειστικά στις τεχνολογικές σπουδές, του AthTech.

Netflix: Ξέρουμε τι θα σ’ αρέσει να παρακολουθήσεις

Καλά, είναι σίγουρο πως ούτε κι εσύ θεωρούσες μέχρι σήμερα το πρόγραμμα της Netflix, τις ταινίες και τις σειρές που προσφέρει, θέμα τύχης ακριβώς, αλλά οι Αμερικανοί είναι ήδη στο επόμενο επίπεδο από το απλό “διακρίνουμε τάσεις”. Γνωρίζοντας τί παρακολουθείς, ποιες μέρες και ώρες, σε τι συσκευές, με διαλείμματα ή ΄’στην καθισιά σου’ και πάρα, μα πάρα πολλά άλλα στοιχεία – όλα είναι δεδομένα που κατοικοεδρεύουν στους servers της από την πρώτη στιγμή και για πάντα – η Netflix τα αναλύει όλα αυτά για δεκάδες εκατομμύρια τηλεθεατές κι αποφασίζει τι είδους ταινίες ή σειρές θα χρηματοδοτήσει για παραγωγή. Τα ‘Stranger Things’, ‘The OA’ και ‘Dark’ προήλθαν ακριβώς έτσι – και αν οι κριτικοί έθαψαν το ‘Bright’ κι αν εσύ γέλασες / ξίνισες με τον Will Smith και τα Orcs της ταινίας αυτής, θυμήσου: η Netflix ήδη επιβεβαιώνει πως στην πραγματικότητα ήταν η μεγάλη επιτυχία που περίμενε και πως θα γυρίσει συνέχειά της. Τα Big Data δεν κάνουν λάθος, λέμε!

Αθλητισμός: Τα ρεκόρ τα κάνουν οι αριθμοί

AP Photo

(AP Photo / Keith Srakocic)

Η συλλογή δεδομένων σε σπορ δεν είναι νέα εξέλιξη, καινούργια, όμως, είναι η εκτενής χρήση της ανάλυσής τους προς όφελος τόσο των ομάδων και αθλητών, όσο και των διοργανωτών και τηλεθεατών. Οι Αμερικανοί του NBA, του NASCAR και του NFL ‘αγκάλιασαν’ πρώτοι την προσέγγιση αυτή, βέβαια, αλλά την συλλογή στατιστικών, ιστορικών, ιατρικών, κοινωνικών, ψυχολογικών και άλλων δεδομένων για αθλητές ή ομάδες την συναντάς σήμερα στο ποδόσφαιρο, στο τένις, στον στίβο, πρακτικά παντού. Αναλύοντας αυτά τα δεδομένα ξεχωριστά και συνδυαστικά, καθώς και μαζί με άλλα πραγματικού χρόνου (π.χ. τον καιρό ή την σχετική ‘διάθεση’ των social media) οι προπονητές και οι διοργανωτές μπορούν να ‘προβλέπουν’ πια μια μεγάλη σειρά από πράγματα. Αυτά ποικίλουν από το πόσο πιθανό είναι να κερδηθεί ένα ματς βάσει μιας σημαντικής απουσίας στην αντίπαλη ομάδα και το πόσο πιθανό είναι να τραυματιστεί ένας αθλητής σε ένα τουρνουά, μέχρι το πόσα περίπου εισιτήρια θα κοπούν και τι επιπέδου τηλεθέαση θα σημειωθεί αντίστοιχα. Σε τι ποσοστό επιβεβαιώνονται αυτές οι προβλέψεις; Μισό, το αναλύουμε. Κι όσο περιμένουμε για το συμπέρασμα, μία επίσκεψη στο website του AthTech θα σου δώσει μία πρώτη ιδέα των όσων μπορείς να σπουδάσεις εκεί!

Αυτοκίνητο: Τα χιλιόμετρά σου είναι μετρημένα

AP Photo

(AP Photo / Eugene Hoshiko, File)

Με όλο και πιο πολλές συσκευές να παράγουν όλο και πιο πολλά δεδομένα, η ανάλυσή τους προσφέρει νέες δυνατότητες σε διάφορες βιομηχανίες – και αν σκεφτείς τον αριθμό των αισθητήρων και υπολογιστικών συστημάτων που ενσωματώνονται ήδη σε νέα οχήματα, η βιομηχανία των αυτοκινήτων είναι χαρακτηριστικό παράδειγμα. Εταιρείες όπως η Chrysler, η Rolls Royce και η BMW έχουν προχωρήσει στην ανάπτυξη συστημάτων αποθήκευσης κι αποστολής δεδομένων από την οδήγηση των αυτοκινήτων τους σε ειδικούς servers. Εκεί γίνεται ανάλυση της πορείας των οχημάτων, των δρόμων όπου συνήθως κινούνται, της τυπικής συμπεριφοράς του οδηγού κ.α. οπότε, έχοντας πλήρη μηχανολογικά δεδομένα για τα οχήματα από τις ίδιες τις κατασκευάστριες, εξάγονται συμπεράσματα για πιθανά προβλήματα ή βλάβες που θα προκύψουν και σε τι χρονικό ορίζοντα. Κι αυτές τις εκτιμήσεις μάλλον μπορείς να τις εμπιστευθείς περισσότερο από τον μάστορα του ελληνικού συνεργείου που “κανά χιλιάρικο μες στο νερό σε κόβει”, χωρίς καν ν’ ανοίξει καπό.

Ιατρική: Ακόμα και οι αρρυθμίες σου είναι μετρημένες

AP Photo

(AP Photo / Mel Evans) 

Τα απλά ψηφιακά αρχεία – ιστορικό που κρατούν τα νοσοκομεία και οι γιατροί για τους ασθενείς ήταν πάντοτε μεμονωμένα χρήσιμα. Στην εποχή ωστόσο του Internet και των Big Data είναι κάτι παραπάνω: πολύτιμα δεδομένα που, αν αναλυθούν, προσφέρουν μεγάλης αξίας (τύπου ‘ζωής και θανάτου’ αξίας) συμπεράσματα. Σημαντικός αριθμός πλέον από μεγάλα νοσοκομεία στις ΗΠΑ συνδυάζει ανώνυμα τα προσωπικά στοιχεία των ασθενών – ηλικία, φύλο, κοινωνική τάξη και μόρφωση, επάγγελμα, ατοικίας κλπ. – με ιστορικό συμπτωμάτων και ασθενειών, φαρμακευτική αγωγή, αποτελέσματά της ή επιπλοκές κλπ. ώστε να εξάγει στατιστικά συμπεράσματα για πολλές, πάρα πολλές συνήθεις ιατρικές περιπτώσεις και περιστατικά. Με αυτόν τον τρόπο μπορεί να γίνει πρόγνωση για πολλά ιατρικά προβλήματα σε εύλογο χρονικό ορίζοντα αλλά και σε πολλές έκτακτες έως κρίσιμες περιπτώσεις να γίνει άμεσα η απαραίτητη ιατρική επέμβαση και ν’ ακολουθηθεί η ακριβώς σωστή φαρμακευτική αγωγή. Ποτέ να μην έλθει η ώρα, βέβαια, να ευχαριστείς Big Data και στατιστικά μοντέλα για την ζωή σου, αλλά λέμε τώρα!

Διαφήμιση: Βαθιά στο μυαλό του καταναλωτή

AP Photo

(AP Photo / Alan Diaz)

Η χρήση των Big Data για την οποία συζητάμε καθιστά εφικτά και πράγματα που ούτε να φανταστούν δεν μπορούσαν πολλοί από μας. Το πώς τοποθετείται, στοχεύεται και μετράται ένα διαφημιστικό banner σε Web sites μπορεί να το γνωρίζεις ήδη – ευκολάκι, αφού μιλάμε για αμιγώς ψηφιακό αντικείμενο και πολλά χρόνια τελειοποίησης των σχετικών μηχανισμών. Αλλά για τις τεράστιες διαφημιστικές πινακίδες – περισσότερο στατικός και αναλογικός τρόπος διαφήμισης δεν υπάρχει, υπάρχει; – ή τα διαφημιστικά στις πλευρές λεωφορείων, τι κάνεις; Επιστρατεύεις πλειάδα διαφορετικών δεδομένων που ποικίλλουν από την χρήση των GPS στα κινητά των ανθρώπων που κινούνται γύρω από τον χώρο της πινακίδας και την κυκλοφορία των οχημάτων όπως καταγράφεται από τις κάμερες της τροχαίας, μέχρι τα δελτία καιρού και τις απεργίες ή διαδηλώσεις που πραγματοποιούνται. Με αυτόν τον τρόπο μπορούν να δοθούν εκτιμήσεις για την συχνότητα θέασης μιας διαφημιστικής πινακίδας και το δημογραφικό (!) του κοινού που θα την δει σε μία συγκεκριμένη θέση και χρονική περίοδο, ώστε να σχεδιάζονται αποτελεσματικά προγράμματα προώθησης outdoor. Μία εταιρεία ονόματι Route κάνει μόνο αυτή τη δουλειά, αν αυτό σού λέει κάτι!

Τώρα, έχοντας τα παραπάνω στα υπ’ όψιν, είναι σίγουρο ότι μπορείς να ανακαλέσεις πολύ περισσότερα πρακτικά παραδείγματα του πώς η ανάλυση μεγάλου όγκου δεδομένων ‘μεταφράζεται’ σε κάτι που συναντάς συχνά, όπως π.χ. Οι εύστοχες προτάσεις αγοράς που σού κάνει το Amazon. Σε αυτά μπορούμε να προσθέσουμε π.χ. τα μοντέλα οικονομικής ανάλυσης για χρηματαγορές (μην χασμουριέσαι – βγαίνουν τρελά λεφτά από εκεί!) και τις εκτιμήσεις σε πραγματικό χρόνο για πιθανή εξαπάτηση σε ηλεκτρονικές συναλλαγές, οπότε καταλαβαίνεις: η ανάλυση των Big Data βρίσκεται ήδη πρακτικά παντού και με το πέρασμα του χρόνου όλο και σημαντικότερη θα γίνεται. Ακούγεται κάτι για το οποίο θα σ’ ενδιέφερε να μάθεις περισσότερα ή και να το σπουδάσεις για ν’ ακολουθήσεις επαγγελματικά; Το AthTech σου προσφέρει πολλές διαφορετικές επιλογές σε αντικείμενα και κατευθύνσεις, ώστε να διαλέξεις αυτήν που σού ταιριάζει περισσότερο.

(Κεντρική φωτογραφία: AP Photo / Shizuo Kambayashi)