ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ УПРАВЛЕНИЯ БОЛЬШИМИ ИНФОРМАЦИОННЫМИ МАССИВАМИ ДАННЫХ BIG DATA Текст научной статьи по специальности «Компьютерные и информационные науки»

Возможности использования искусственного интеллекта для управления большими информационными массивами данных Big Data

Липатов Андрей Геннадьевич

доцент кафедры информационных систем, Государственный университет управления, tr172@mail.ru

Статья посвящена исследованию возможности использования искусственного интеллекта для управления большими информационными массивами данных Big Data. Автором обосновывается актуальность и значимость темы исследования. Анализ научной литературы позволил заключить, что искусственный интеллект (ИИ) для анализа Big Data означает применение широкого спектра методов машинного обучения, направленных на расширение ценности, обеспечиваемой оценкой больших данных. Постулируется о том, что в настоящее время, эти идеи, как правило, принимают несколько форм, но в основном сосредоточены на трех областях, а именно описательной, прогнозирующей и предписывающей аналитике. Эти области охватывают ряд стратегических требований, предъявляемых компаниями. И чтобы лучше понять, что это означает на практике, нужно рассмотреть два его компонента, непосредственно Big Data и искусственный интеллект. Ключевые слова: искусственный интеллект, Big Data, технологии, машинное обучение, автомобильная индустрия, транспортные средства, интеллектуальные технологии, робототехника.

Искусственный интеллект (ИИ) и Big Data (большие данные) -это термины, которые существуют уже много лет. Несмотря на это, сложность, связанная с обеими этими областями, означает, что большинство компаний признают, что они продвинулись в внедрении дальше, чем хотелось бы; и признают, что эти области представляют риск для будущего успеха их компаний.

Возможности использования искусственного интеллекта для управления большими информационными массивами данных Big Data означает применение широкого спектра методов машинного обучения, направленных на расширение ценности, обеспечиваемой оценкой больших данных.

Как известно, наиболее известными и практичными технологиями в современном мире являются искусственный интеллект и Big Data, которые придают вычислениям новое измерение благодаря машинному обучению. Хотя Big Data только недавно стали популярными, они позволили отдельным лицам анализировать огромные массивы данных, расширяя потенциал ИИ. Согласно недавнему опросу, 76,5% участников считают, что Big Data и ИИ все больше переплетаются и помогают развивать когнитивные способности компаний [1]. Несмотря на то, что эти две технологии работают по-разному, они хорошо сочетаются, поскольку ИИ нужны массовые данные для генерации интеллекта. В то же время большие данные делают значительный объем данных доступным для ИИ. В этой статье исследуются возможности использования искусственного интеллекта для управления большими информационными массивами данных Big Data, а также объясняется взаимосвязь между большими данными и искусственным интеллектом и то, как они работают вместе для решения корпоративных проблем.

Интеграция искусственного интеллекта и Big Data привела к значительным изменениям в том, как работают предприятия в различных отраслях. Объединение этих двух технологий привело к появлению многочисленных преимуществ, преобразующих бизнес-ландшафт.

Традиционно компании основывали свои оценки продаж текущего года на данных за предыдущий год. Используя большие данные, организации могут выявлять закономерности и тенденции на ранней стадии и знать, как эти тенденции повлияют на будущую производительность. Это позволяет компаниям принимать более эффективные решения и повышать точность прогнозирования. Это особенно важно в розничной торговле, где точность сезонного прогнозирования может быть повышена до 50% [1].

Обеспечивая раннюю видимость потенциальных рисков и количественную оценку подверженности рискам и потенциальных убытков, компании могут лучше предвидеть, планировать и реагировать на изменения и проблемы безопасности. Модели, основанные на больших данных, также помогают организациям выявлять и устранять потребительские и рыночные риски, а также проблемы, возникающие в результате непредсказуемых событий, таких как стихийные бедствия.

Отслеживая модели поведения потребителей и признавая их интересы, фирмы могут корректировать свои предложения

X X

о го А с.

X

го m

о

2 О

м

CJ

fO CS

о

CS

in

О Ш

m

X

<

m О X X

для более эффективного удовлетворения потребительских запросов. В результате компании могут повысить лояльность к бренду, увеличить конверсию и раньше выявлять тенденции.

Организации могут использовать огромное количество данных, генерируемых цифровыми следами клиентов, чтобы получить ценную информацию об отдельных клиентах. С помощью интеллектуальных аналитических инструментов, расположенных поверх озер данных, предназначенных для сбора и синтезирования данных из разных источников, компании могут лучше понимать своих клиентов. Это позволяет организациям совершенствовать свои маркетинговые стратегии и обслуживание клиентов, в конечном счете повышая их удовлетворенность.

С помощью аналитики, основанной на больших данных, организации могут обнаруживать аномалии в поведении системы. Эти системы также могут просматривать огромные объемы данных для выявления потенциально мошеннического поведения и предупреждения компаний об угрозах ки-бербезопасности, которые еще не обнаружены в их собственных системах. Это крайне важно в сегодняшнюю цифровую эпоху, когда угрозы кибербезопасности становятся все более изощренными и распространенными.

Следует согласиться с мнением Е.В. Пастухова и Ю.С. Романова о том, что использование машинного обучения и искусственного интеллекта для анализа больших данных - отличная возможность для большинства организаций [2]. Однако, с чего начать - это совершенно другой вопрос. Как очень точно указывают Д.В. Сикулер, машинное обучение и наука о данных -это отдельные наборы навыков. Вряд ли в бюджете найдется место для создания совершенно новой функции, полной дорогостоящих сотрудников с докторской степенью для написания алгоритмов машинного обучения [3]. Именно здесь на помощь приходят поставщики программного обеспечения для искусственного интеллекта. Предоставляя удобную для пользователя абстракцию сложности конвейеров ETL и алгоритмов машинного обучения, программное обеспечение для анализа больших данных может предоставить небольшим командам -или даже одному аналитику данных - доступный способ использовать возможности своих данных.

Проще говоря, программное AI для анализа больших данных позволяет организациям:

• собирать все свои данные в одном месте;

• обрабатывать эти данные, в том числе с помощью передового машинного обучения;

• выводить эти данные и аналитические данные на поверхность с помощью информационных панелей, отчетов и многого другого;

• предоставлять информацию лицам, принимающим решения, по мере необходимости.

Это охватывает широкий спектр процессов, которые очень сложно выполнить вручную.

Таким образом, многие компании, вероятно, уже имели дело с алгоритмами машинного обучения, используемыми в больших наборах данных, если они участвовали в цифровом маркетинге. В свою очередь Дж. Уилсон и соавторы, отмечают, что технологические платформы, к примеру, как Google, взяли на себя инициативу в применении этой технологии для персо-нализации (и, в свою очередь, оптимизации) эффективности кампаний цифрового маркетинга [4].

Таким образом, по мнению зарубежных ученых, преимущества использования искусственного интеллекта для управления большими информационными массивами данных Big Data существенны. Как отмечает К. Панетта, «позволяя сотрудникам бизнеса принимать обоснованные решения, им дается возможность увеличить количество правильных решений» [5]. Преимущества могут применяться практически бесконечно в

зависимости от конкретных требований компании. Использование данных для получения высококачественной информации применимо к широкому спектру вариантов использования, ограниченных только собранными данными. В результате он также может принести пользу стратегическому планированию в отношении того, какие дополнительные данные следует собирать для улучшения анализа.

Таким образом, каждая компания знает, что в ее данных содержатся ответы на многие вопросы, на которые им необходимо ответить. Понимание того, как использовать это, имеет решающее значение по мере развития отраслей и все большего внедрения подхода к управлению, ориентированного на данные. Управлять организацией, не используя эти данные, все равно что бродить с выключенным светом - полагаться на свои лучшие предположения и действовать осторожно, а не уверенно и продуктивно.

Использование искусственного интеллекта в качестве основной части набора аналитических инструментов важно для всех организаций. Это связано с тем, что с течением времени инструменты становятся все более доступными и производительными. Большая часть рынка применяет более комплексные методы анализа. Со временем, можно узнать, что это считается обычной передовой практикой, необходимой для поддержания конкурентоспособности.

Те, кто не торопится с внедрением, столкнутся с растущим стратегическим дефицитом по сравнению с их более гибкими конкурентами, основанными на данных. Информация, полученная на основе такого уровня продвинутого анализа, может помочь принимать более эффективные стратегические бизнес-решения, что, в свою очередь, поможет максимизировать эффективность затрат, поэтому те компании, которые их не используют, рискуют отстать и в долгосрочной перспективе будут вынуждены наверстывать упущенное.

Медленный, но устойчивый прогресс в этих областях ясно показывает, что использование машинного обучения для обширного анализа данных никуда не денется. В результате, стремясь максимально использовать то, что ИИ может предложить бизнесу, можно получить значительную возможность опередить рынок и конкурентов. Тем не менее, со временем он, вероятно, потребуется для выживания.

Вышесказанное позволяет сделать объективное заключение о том, что использование искусственного интеллекта для управления большими информационными массивами данных Big Data

- это огромные возможности для организаций всех мастей. Это должно быть одним из нескольких главных приоритетов для большинства компаний. Хорошей новостью является то, что, хотя сложность больших данных и машинного обучения очень высока, теперь доступно программное обеспечение для искусственного интеллекта, обеспечивающее доступное и удобное для пользователя средство получения максимальной отдачи от них.

Литература

1. Яндекс: Искусственный интеллект для управления большими данными Big Data [Электронный ресурс]. - Режим доступа: https://yandex.rU/vc.ru/u/1266146-404/550756 (Дата обращения 25.05.2023)

2. Пастухова, Е. В. Искусственный интеллект: исследования в эпоху Big data / Е. В. Пастухова, Ю. С. Романова // Волновая электроника и инфокоммуникационные системы : Сборник статей XXV Международной научной конференции. В 3-х частях, Санкт-Петербург, 30 мая - 03 2022 года. Том Часть 3.

- Санкт-Петербург: Санкт-Петербургский государственный университет аэрокосмического приборостроения, 2022. - С. 81-85. - EDN MDRZCZ.

3. Сикулер, Д. В. Ресурсы, предоставляющие данные для машинного обучения и проверки технологий искусственного

интеллекта / Д. В. Сикулер // Информационные и математические технологии в науке и управлении. - 2021. - № 2(22). - С. 39-52. - DOI 10.38028/ESI.2021.22.2.004. - EDN RCBUHR.

4. Уилсон Дж., Догерти П. Р. Люди и искусственный интеллект объединяют усилия // Harvard Business Review.2018. № 96 (4). С. 115-123.

5. Панетта К. Топ-10 стратегических технологических трендов на 2023 год/ URL: https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technologytrends-for-2018 / (Дата обращения 25.05.2023)

Possibilities of using artificial intelligence to manage large information arrays

of Big Data Lipatov A.G.

State University of Management

JEL classification: C10, C50, C60, C61, CBO, CBT, C90

The article is devoted to the study of the possibility of using artificial intelligence to manage large information arrays of Big Data. The author substantiates the relevance and significance of the research topic. An analysis of the scientific literature led to the conclusion that artificial intelligence (AI) for Big Data analysis means the application of a wide range of machine learning methods aimed at expanding the value provided by the evaluation of big data. It is postulated that at present, these ideas tend to take several forms, but are mainly focused on three areas, namely descriptive, predictive and prescriptive analytics. These areas cover a range of strategic requirements for companies. And in order to better understand what this means in practice, you need to consider its two components, Big Data itself and artificial intelligence.

Keywords: artificial intelligence, Big Data, technologies, machine learning, automotive industry, vehicles, intelligent technologies, robotics.

References

1. Yandex: Artificial intelligence for big data management Big Data [Electronic resource]. - Access mode: https://yandex.ru/vc.ru/u/1266146-404/550756 (Accessed 25.05.2023)

2. Petukhova, E. V. Artificial intelligence: research in the era of big data / E. V. Pastukhova, Yu. S. Romanova // Wave electronics and infocommunication systems: Collection of articles of the XXV International Scientific Conference. In 3 parts, St. Petersburg, May 30 - 03 2022. Volume Part 3. - St. Petersburg: St. Petersburg State University of Aerospace Instrumentation, 2022. - pp. 81-85. -EDN MDRZCZ.

3. Sikuler, D. V. Resources providing data for machine learning and verification of artificial intelligence technologies / D. V. Sikuler // Information and mathematical technologies in science and management. - 2021. - № 2(22). - Pp. 39-52. - DOI 10.38028/ESI.2021.22.2.004. - EDN RCBUHR.

4. Wilson J., Daugherty P. R. Humans and AI are joining forces // Harvard Business Review.2018. № 96 (4). P. 115-123.

5. Panetta K. Gartner Top 10 Strategic Technology Trends for 2023/ URL: https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technologytrends-for-2023/ (Дата обращения 25.05.2023)

X X

О

го А

с.

X

го m

о

2 О M

со