Технология больших данных в медиабизнесе Текст научной статьи по специальности «Экономика и бизнес»

Курбанов Тимур Русланович

обучающийся магистратуры, факультет социальных наук и массовых коммуникаций, Финансовый университет при Правительстве Российской Федерации

Ленинградский пр-т., 49, Москва, 125167 E-mail: 228978@edu.fa.ru

Технология больших данных в медиабизнесе

Медиабизнес всегда был ориентирован на сбор и анализ данных, чтобы лучше понимать свою аудиторию и предсказывать ее поведение. С появлением Big Data, объем доступных данных значительно увеличился, и это позволило крупным компаниям делать более глубокие и точные выводы, на основе которых в дальнейшем принимаются эффективные решения. В этой статье мы поговорим о том, как Big Data меняет медиабизнес сферу и какие возможности она открывает для индустрии.

Ключевые слова: большие данные, Big Data, реклама, медиабизнес.

Для цитирования: Курбанов Т.Р. Технология больших данных в медиабизнесе // Вопросы медиабизнеса. 2023. Т. 2. № 1. С. 40-44. DOI: 10.24412/3034-1930-2023-0070

Timur R. Kurbanov

Master's Student, Faculty of Social Sciences and Mass Communications, Financial University under the Government of the Russian Federation

Leningradsky Ave., 49, Moscow, 125167 E-mail: 228978@edu.fa.ru

Big data technology in media business

The media business has always been focused on collecting and analyzing data to better understand its audience and predict their behavior. With the advent of Big Data, the amount of available data has increased significantly, and this has allowed large companies to draw deeper and more accurate conclusions, on the basis of which effective decisions are subsequently made. In this article we will talk about how Big Data is changing the media business sphere and what opportunities it opens up for the industry.

Keywords: big data, Big Data, advertising, media business.

JEL Classification: L82

For citation: Kurbanov T.R. Big data technology in media business. Issues of Media Business, 2023, vol. 2, no. 1, pp. 40-44. DOI: 10.24412/30341930-2023-0070

В эпоху жесткой конкуренции стоимость привлечения клиентов растет. Более того, понимание и управление жизненным циклом отношений с клиентами и методами удержания стали более сложными, чем когда-либо прежде. Поскольку цепочки взаимодействия становятся более сложными и взаимосвязанными, стремление к повышению эффективности производственных процессов и необходимость установления прочных отношений с клиентами побудили предприятия внедрять современные технологии для поддержания своих конкурентных позиций на рынке [Пестунов, Гинтофт, Криветченко, 2023]. В этом отношении в растущем потоке литературы подчеркивается значительное влияние больших данных (Big Data) и то, как Big Data меняет бизнес-ландшафт. Аналогичным образом, все большее признание получает роль больших данных в поддержке процесса принятия решений и совершенствовании различных организационных функций, от маркетинга до логистики.

Big Data — это термин, который в первую очередь обозначает огромные наборы данных от терабайтов до эксабайтов, которые собираются со смартфонов, поисковых запросов, покупательских предпочтений, кредитных карт и даже автомобилей. Данные, как правило, неструктурированы, сложны по своей природе и включают в себя широкий спектр источников и требуют сложных технологий для сбора, хранения, обработки, анализа и визуализации [Нгуен, Зарипова, Нгуен, 2023]. Сегодня Big Data — это распространенный и модный технологический термин, и практика, которые могут помочь компаниям получить действенную информацию и создать конкурентное преимущество в динамичной бизнес-среде.

Big Data предлагает новые возможности для бизнеса с целью выхода на новые сегменты рынка и разработки инновационных бизнес-моделей рынке [Шаталова, Лихачевский, Казак, 2021]. Более того, роль Big Data в содействии обеспечения лучшего и более точного прогнозирования уже признано учеными. В результате прогнозные возможности Big Data позволяют предприятиям принимать обоснованные решения, улучшать различные показатели компаний.

Существует три основных вида Big Data: структурированные, полуструктурированные и неструктурированные данные [Полуэктов, Попова, Журавлева, 2023].

Структурированные данные — это информация, которая хранится в виде таблиц с определенными столбцами и строками. Например, это могут быть данные о продажах, заказах или клиентах. С такими данными легко работать, так как они имеют четкую структуру и могут быть обработаны с помощью стандартных инструментов анализа данных. Структурированные данные считаются наиболее «традиционной» формой хранения данных, поскольку самые ранние версии систем управления базами данных (СУБД) были способны хранить, обрабатывать и получать доступ к структурированным данным.

Неструктурированные данные — это информация, которая либо не имеет заранее определенной модели данных, либо не организована определенным образом. Неструктурированная информация, как правило, содержит много текста, но может содержать и такие данные, как даты, числа и факты. Это приводит к появлению неоднородностей и двусмысленностей, затрудняющих понимание информации с помощью традиционных программ по сравнению с данными, хранящимися в структурированных базах данных. Примерами таких данных могут быть текстовые документы, изображения, аудио и видеозаписи. Для обработки неструктурированных данных используются специальные алгоритмы и методы машинного обучения.

Полуструктурированные данные — это данные, которые имеют некоторую структуру, но также могут содержать неструктурированные элементы. Например, это может быть XML-доку-мент, в котором часть информации хранится в структурированном виде, а другая часть — в виде обычного текста. Обработка таких данных требует использования специальных инструментов и методов. Причина существования третьей категории (между структурированными и неструктурированными данными) заключается в том, что полуструктурированные данные значительно легче поддаются анализу, чем неструктурированные.

Выделяет пять основных правил (5V'S) Big Data [Атырова, Жуманова, 2022]. Определяются они следующим образом:

Velocity (Скорость) — скорость создания данных и их перемещения. Volume (Объем) — количество данных, квалифицируемое как большие данные. Value (Ценность) — ценность данных. Variety (Разнообразие) — разнообразие типов данных. Veracity (Достоверность) — качество и точность данных. Стоит рассмотреть каждый параметр более подробно. Скорость (Velocity)

^орость генерирования и перемещения данных. Это важный аспект для организаций, которым требуется быстрый поток данных, чтобы они были доступны в нужный момент для принятия оптимальных бизнес-решений.

Организация, использующая большие данные, имеет большой и непрерывный поток данных, которые создаются и отправляются в конечный пункт назначения. Данные могут поступать из таких источников, как машины, сети, смартфоны или социальные сети. Скорость относится к скорости поступления этой информации. В некоторых случаях лучше иметь ограниченный набор собираемых данных, чем собирать больше данных, чем может обработать организация, поскольку это может привести к снижению скорости передачи данных.

Объем (Volume)

Под объемом понимается количество существующих данных. Объем — это как бы основа больших данных, поскольку это первоначальный размер и количество собираемых данных. Если объем данных достаточно велик, их можно считать большими данными. Однако понятие «большие данные» является относительным и может меняться в зависимости от имеющихся на рынке вычислительных мощностей.

Ценность (Value)

Ценность — это преимущества, которые могут дать большие данные, и она напрямую связана с тем, что организации могут сделать с собранными данными. Умение извлекать ценность из больших данных является обязательным условием, поскольку ценность больших данных существенно возрастает в зависимости от того, какие выводы можно из них сделать.

Организации могут использовать инструменты для сбора и анализа больших данных, но то, как они извлекают ценность из этих данных, должно быть уникальным для них.

Примером ценности больших данных может служить сбор индивидуальных данных о клиентах. Когда компания может составить профиль своих клиентов, она может персонализировать их опыт в области маркетинга и продаж, повышая эффективность контактов и добиваясь большей удовлетворенности клиентов.

Разнообразие (Variety)

Под разнообразием понимается разнообразие типов данных. Организация может получать данные из нескольких источников, которые могут различаться по ценности. Данные могут поступать как из источников внутри предприятия, так и за его пределами. Проблема разнообразия связана со стандартизацией и распределением всех собираемых данных.

Как отмечалось выше, собираемые данные могут быть неструктурированными, полуструктурированными или структурированными.

Сырые данные также относятся к одному из типов данных. Хотя сырые данные могут относиться и к другим категориям — структурированным, полуструктурированным или неструктурированным, они считаются сырыми, если не подвергались никакой обработке. Чаще всего сырыми считаются данные, импортированные из других организаций, предоставленные или введенные пользователями. В эту категорию часто попадают данные из социальных сетей.

Достоверность (Veracity)

Достоверность относится к качеству, точности, целостности и надежности данных. Собранные данные могут содержать недостающие фрагменты, быть неточными или неспособными дать реальную, ценную информацию. В целом достоверность означает уровень доверия к собранным данным.

Иногда данные могут стать беспорядочными и сложными для использования. Большой объем данных, если они неполные, может привести скорее к путанице, чем к пониманию. Достоверность помогают определить качество и глубину понимания данных. Пороговые значения истинности данных часто — и должны — существовать в организации на уровне руководителей, чтобы определить, подходят ли они для принятия решений на высоком уровне [Малявкина, Дум-чина, Саввина, 2021].

Использование Big Data в медиабизнес сфере включают в себя:

• анализ аудитории: Big Data позволяет медиакомпаниям анализировать поведение и предпочтения своей аудитории. Это помогает создавать персонализированный контент;

• оптимизация контента: Big Data может помочь определить, какие типы контента наиболее популярны среди аудитории, и как его лучше приподнести;

• улучшение таргетированной рекламы: Big Data помогает создавать более эффективные рекламные кампании, позволяет анализировать интересы и поведение пользователей;

• мониторинг конкурентов: Big Data предоставляет возможность следить за конкурентами и их стратегиями, что позволяет медиакомпаниям быть в курсе последних тенденций и адаптировать свою стратегию;

• управление ресурсами: Big Data также используется для оптимизации использования ресурсов и определения наиболее эффективных способов их использования.

Использование Big Data искусственным интеллектом(А1)

В связи с ростом объема данных и развитием новых технологий, такие как искусственный интеллект (AI) и машинное обучение(ML), Big Data будет играть все более важную роль в медиа-бизнесе [Порошин, 2020]. Вот несколько основных тенденций и перспектив:

• персонализация контента: с помощью Big Data медиакомпании смогут создавать более персонализированный контент, учитывая предпочтения каждого пользователя;

• развитие AI и машинного обучения: Эти технологии помогут анализировать большие объемы данных и делать более точные прогнозы и рекомендации;

• рост мобильной аналитики: Все больше людей используют свои смартфоны для доступа к медиаконтенту, что делает мобильную аналитику важной частью Big Data;

• использование IoT и «умных» устройств: Интернет вещей (IoT) также будет играть важную роль в сборе данных о поведении пользователей.

Big Data является ключевым инструментом для медиакомпаний, позволяя им собирать, анализировать и использовать данные для принятия обоснованных решений и создания более качественных продуктов и услуг. С развитием технологий и ростом объема данных, Big Data станет еще более важным инструментом для медиабизнеса.

В современном цифровом мире контент — это основа всего. Независимо от того, создаете ли вы посты в блогах, статьи, видео или контент для социальных сетей, важно иметь четкое представление о вашей аудитории и о том, чего она хочет. Здесь на помощь приходит Big Data.

Большие данные — это огромный массив информации, который можно использовать для анализа трендов, предсказания поведения и создания контента, который найдет отклик у аудитории. Они также могут помочь оптимизировать контент для максимального охвата и вовлечения.

Существует несколько способов использования больших данных для создания контента [Васева, Балдина, 2022]. Например, Big Data можно использовать их для понимания демографии вашей аудитории, ее интересов и поведения. Вы также можете использовать их для отслеживания эффективности вашего контента и внесения корректировок на основе данных.

Еще один способ, которым Big Data могут помочь в создании контента — это предоставление информации о том, что ваша аудитория ищет. Это может помочь вам создавать более релевантный контент, который будет закрывать потребности аудитории и будет занимать высокие позиции в поисковых системах [Пылов, Протодьяконов, 2021].

Основные тенденции развития Big Data в медиа:

увеличение объемов данных: с развитием технологий, объемы данных, генерируемых медиа-компаниями, растут экспоненциально. Это включает в себя данные от пользователей, данные с датчиков, данные с камер и т.д;

улучшение аналитики: технологии Big Data позволяют медиа-компаниям анализировать огромные объемы данных и извлекать из них ценную информацию. Это помогает компаниям лучше понимать свою аудиторию и создавать более эффективный контент; персонализация контента: благодаря использованию Big Data, медиа-компании могут создавать персонализированный контент для каждого пользователя. Это позволяет увеличить вовлеченность аудитории и улучшить показатели конверсии; таргетированная реклама: Используя Big Data, медиа-компании могут таргетировать свою рекламу на определенную аудиторию, что позволяет увеличить ее эффективность; оптимизация контента: Big Data может помочь медиа-компаниям определить, какой контент наиболее популярен среди их аудитории, и оптимизировать свои стратегии на основе этих данных;

прогнозирование трендов: с помощью анализа больших данных медиа-компании могут предсказывать будущие тренды и адаптировать свой контент в соответствии с ними. безопасность данных: обеспечение безопасности и конфиденциальности данных является важным аспектом в индустрии медиа, и Big Data технологии помогают в этом; искусственный интеллект и машинное обучение: Эти технологии становятся все более популярными в сфере медиа и используются для анализа больших объемов; облачные технологии: облачные решения становятся более распространенными в медиа и позволяют компаниям хранить и анализировать большие объемы данных.

Большие данные являются важнейшим элементом, позволяющим компаниям поддерживать успех на пути к цифровизации. Как в прошлом, так и в настоящем Интернет создал множество цифровых знаков о потребителях, которые предприятия могут собирать и обрабатывать. В результате быстрого технологического прогресса потребители создают широкий спектр и большое количество данных. Данные, создаваемые в таком объеме, с такой скоростью и разнообразием, позволяют бизнесу получить представление о поведении потребителей. Правильный анализ этих данных помогает компаниям заполнить пробелы в информации о потребителях и получить конкурентное преимущество на рынке [Науразов, 2023]. В современной конкуренции постоянное взаимодействие и общение с клиентами имеет большое значение для предприятий с целью установления долгосрочных отношений. В этом смысле большие данные могут предложить бизнесу подробную информацию о клиентах. Благодаря полученной информации предприятия могут принимать более качественные решения, создавать инновации и повышать эффективность.

Литература

Атырова Р.С., Жуманова А.Э. Информационно-аналитические системы для обработки больших данных (big data) // Известия Национальной Академии наук Кыргызской Республики. 2022. № S5. С. 121-126.

Васева Г.С., Балдина М.Ю. Визуализация и большие данные: новейшие тенденции визуализации при работе с Big data // Экономика и бизнес: теория и практика. 2022. № 7 (89). С. 31-34.

Малявкина Л.И., Думчина О.А., Саввина Е.В. Методы и техники анализа больших данных (Big Data) // Инфраструктура цифрового развития образования и бизнеса. Орёл: Орловский государственный университет экономики и торговли, 2021. С. 34-39.

Науразов А.А., Исмаилов А.У. Влияние Big Data // Современные тенденции развития науки и мирового сообщества в эпоху цифровизации. М.: Общество с ограниченной ответственностью «Издательство АЛЕФ», 2023. С. 386-388.

Нгуен Т.Т., Зарипова Р.С., Нгуен Ф.Х. Big data: применение больших данных на практике // Научно-технический вестник Поволжья. 2023. № 9. С. 120-122.

Пестунов А.И., Гинтофт А.С., Криветченко О.В. Big data как феномен: причины и следствия появления больших данных // ЭКО. 2023. № 9 (591). С. 137-154.

Полуэктов А.В., Попова Е.А., Журавлева И.В. Большие данные (big data): обработка, хранение и анализ больших объемов данных // Перспективные аспекты моделирования систем и процессов. Воронеж: Воронежский государственный лесотехнический университет им. Г.Ф. Морозова, 2023. С. 368-374.

Порошин И.Е. Большие данные (Big Data) и наука о данных (Data Science): прогрессивные тренды современности // Молодой ученый. 2020. № 27 (317). С. 59-61.

Пылов П.А., Протодьяконов А.В. Big Data and features of their visualization // Инновации. Наука. Образование. 2021. № 30. С. 746-752.

Шаталова В.В., Лихачевский Д.В., Казак Т.В. Большие данные: как технологии Big data меняют нашу жизнь // Big Data and Advanced Analytics. 2021. № 7-1. С. 188-192.

References

Atyrova R.S., Zhumanova A.E. Information and analytical systems for processing Big Data (Big Data). Proceedings of the National Academy of Sciences of the Kyrgyz Republic, 2022, no. S5, pp. 121-126. (In Russian)

Malyavkina L.I., Dumchina O.A., Savvina E.V. Methods and techniques for analyzing big data (Big Data). Infrastructure for the digital development of education and business. Orel: Oryol State University of Economics and Trade, 2021, pp. 34-39. (In Russian)

Naurazov A.A., Ismailov A.U. The influence of Big Data. Modern trends in the development of science and the world community in the era of digitalization. Moscow: Limited Liability Company «ALEF Publishing House», 2023, pp. 386-388. (In Russian)

Nguyen T.T., Zaripova R.S., Nguyen F.H. Big Data: putting Big Data into practice. Scientific and Technical Volga region Bulletin, 2023, no. 9, pp. 120-122. (In Russian)

Pestunov A.I., Gintoft A.S., Krivetchenko O.V. Big Data as a phenomenon: causes and consequences of the emergence of Big Data. ECO, 2023, no. 9 (591), pp. 137-154. (In Russian)

Poluektov A.V., Popova E.A., Zhuravleva I.V. Big data: processing, storage and analysis of Big Data. Perspective aspects of modeling systems and processes. Voronezh: Voronezh State Forestry University named after. G.F. Morozova, 2023, pp. 368374. (In Russian)

Poroshin I.E. Big Data and Data Science: progressive trends of our time. Young scientist, 2020, no. 27 (317), pp. 59-61.

Pylov P.A., Protodyakonov A.V. Big Data and features of their visualization. Innovations. The science. Education, 2021, no. 30, pp. 746-752. (In Russian)

Shatalova V.V., Likhachevsky D.V., Kazak T.V. Big Data: how Big Data technologies are changing our lives. Big Data and Advanced Analytics, 2021, no. 7-1, pp. 188-192. (In Russian)

Vaseva G.S., Baldina M.Yu. Visualization and big data: the recent trends in visualization with Big data. Economy and business: Theory and Practice, 2022, no. 7 (89), pp. 31-34. (In Russian)