Big Data i biznis: Kako izvući smisao i korist  iz gigantskih baza podataka?


Koliko je vremena potrebno da se oporavite od hirurškog zahvata zamene kuka?

Za bolnice širom sveta ovo  nipošto nije akademsko pitanje. Bolnice su imale oko 36 milijardi dolara nekompenzovanih troškova zbrinjavanja u 2015. godini. Najveći deo njih potiče od neplaćenih računa pacijenata.

Jedno rešenje ovog problema je ograničavanje troškova vezanih za operaciju – ali kako? Odgovor: Machine learning („Mašinsko učenje“ je već uvrežen termin u srpskom jeziku, mada je pogrešan; „Učenje mašina“ daleko preciznije pogađa suštinu). Bolnice sada koriste prediktivnu analitiku kako bi prognozirale prosečne boravke i potencijalne komplikacije koje mogu iskrsnuti tokom operacija, poput operacije kičme.

Na primer, podaci od kupaca usluga zdravstvene zaštite pokazuju starosnu dob pacijenta, ustanove koje obezbeđuju osnovne zdravstvene usluge, i sekundarnu dijagnozu. Pomoću mašinskog učenja i prediktivne analize podaci sada mogu predvideti buduće troškove i doprineti identifikovanju pacijenata koji mogu imati probleme u oporavku. Ishod? Bolnice donose bolje kliničke odluke, doživljavaju niže stope readmisije, nudeći kraće bolničke boravke i pružajući bolju negu.

Biznisi ogromnog broja preduzeća pokazuju slične efekte „stvarne situacije na terenu“, dakle, dobijaju realističnije cifre u predikciji, a sve to zahvaljujući upotrebi mašinskog učenja za analiziranje svojih poslovnih podataka. Često je problem u nedovoljnoj količini podataka – potrebnih za što bolju analizu i predikciju – a ti im podaci često nedostaju.

Po rečima Majka Gotjerija (Mike Gaultieri), analitičara kompanije za tehnološku predikciju marketinga i tržišta, Forrester Research, mašinsko učenje nije ni nalik tradicionalnoj poslovnoj inteligenciji u kojoj su garantovani rezultati. “Ukoliko tražite model za mašinsko učenje, možete reći ‘pokušaću’, ali možda nećete uspeti”, rekao je. “Preduzeća i biznisi moraju da razumeju da samo zato što ste želeli da imate model koji predviđa kretanje akcija na berzama ne znači da ćete ga i u stvarnosti imati.”

Rags Raghavendra, rukovodilac analitike u DXC Technology’s Analytics Data Labs, globalnom čvorištu koje analitičari podataka koriste, fokusirao se na konsalting i pronalaženje načina operacionalizacije analitike. On kaže da su “kompanije frustrirane jer često preteruju”. Žele da im big data analitika “odradi” prevelike grupe podataka, “žonglirajući” njima iako nisu dovoljno kvalifikovani za njihovo tumačenje i razumevanje, a i ne shvatajući koliko je taj zalogaj prevelik.  “Klijenti pokušavaju da učine nemoguće u smislu pokušaja da izvuku značenje iz svih mogućih vrsta podataka kojima imaju pristup”, rekao je on. “Ono što preporučujemo je da dobro razmotre podatke koje već poseduju i koji su lako dostupni, a tek potom da pređu na sledeći korak.”

Kompanije koje su pokušale i nisu uspele da proniknu u smisao i praktične aspekte analize velikih skupova podataka pre svega bi trebalo da prihvate da su neuspeh i iteracija tj ponavljanje neizostavni deo procesa analitike. One, ipak, mogu da svoje šanse za uspeh maksimiziraju tako što će postati pametniji kada je reč o korišćenju mašinskog učenja.

Evo osam načina za bolji i efikasniji pristup Big data analitici:

1. Počnite s problemom koji želite da rešite. Uranjati u podatke „skokom sa desetke“ a potom iščekivati da će oni volšebno izroniti pred vas je pogrešan pristup. Sve dobre priče o analitici podataka počinju identifikovanjem odgovarajuće metrike performansi koja povezuje poslovni rezultat sa pitanjima koja se odnose na podatke. Međutim, odabrana metrika ne bi trebalo da bude preširoka ili isuviše “granularna” tj usitnjena. Na primer, kada je DXC nedavno radio s jednom medijskom kompanijom na pojašnjenju razloga zbog kojih je pretplatnici napuštaju, najočiglednija metrika bila je promena u pretplatničkoj bazi. Kao što se ispostavilo, relevantnija metrika bio je Prosečni prihod po korisniku (ARPU), koji je bio direktno povezan sa većim poslovnim ciljevima koje je kompanije preduzimala kako bi povećala prihode.

2. Proces mašinskog učenja trebalo bi ’industrijalizovati’ odnosno razviti u širokom industrijskom obimu. “Čitav ovaj proces analize velikih skupova podataka nije industrijalizovan”, rekao je Raghavendra, čija Laboratorija podržava široku paletu oblasti, uključujući proizvodnju, telekomunikacije, automobilsku industriju, avio-kompaniju, energetiku, finansijske usluge i zdravstvenu zaštitu. “Dešava se da mnogo puta iznova i iznova ponavljate analizu ili je ne možete uvećati tj primeniti u širem obimu.” DXC je snažan zagovornik efikasnog i pojednostavljenog pristupa široko primenjivog mašinskog učenja, koji veruje da bi sve faze analize – od unošenja podataka i njihovog prečišćavanja, do stvaranja namenskih algoritama i njihovog stavljanja u proces aktivne analitike, a potom i generisanju uvida stečenih kroz podatke – trebalo da budu ponovno upotrebljive i raspoređene na kompanijske tehnologije.

3. Nemojte dozvoliti da vas ometaju i koče podaci koje ljubomorno čuva svako odeljenje pojedinačno unutar kompanije (tzv „silosi“:  izolovane grupe podataka koje ne cirkulišu u data analitici jedne kompanije jer uposlenici nekog odeljenja naprosto ne žele da ih dele s drugima, misleći da na taj način „drže prednost“ u odnosu na druga kompanijska odeljenja). Silosi su zbog toga veliko “prokletstvo” brojnih računarskih programa koji rade na korporativnoj analitici, jer sprečavaju pristup jedinstvenoj bazi podataka. Silosi, ipak, nisu toliko velika prepreka, kako neki veruju. “Ukoliko posedujete strategiju za pravilno korišćenje pametnih podataka i platformi, ne bi trebalo da previše brinete o silosima”, kaže Raghavendra. Jednostavno rečeno, ne morate brinuti o silosima sve dok ne predstavljaju problem za zadatak koji ste odabrali da rešite. Međutim, trebalo bi da se pripremite za neki predstojeći skup problema u nizu (tzv pipeline*) tako što ćete obezbediti integraciju različitih izvora podataka. “Postoje fleksibilne i modularne platforme koje vam omogućavaju da integrišete podatke kada je potrebno”, dodao je Raghavendra. (U računarstvu, pajplajn* je skup elemenata za obradu podataka povezanih u niz, pri čemu je autput jednog elementa input sledećeg. Elementi u nizu često se procesiraju paralelno ili kroz sekvence tj „komadiće“; u tom slučaju, određena količina buffer tj pufernog skladišta često se ubacuje između elemenata).

4. Mislite od-spolja-ka-iznutra. Ne morate uvek imati sve informacije, talenat, analitiku i inteligenciju: Ovo je priča o ekosistemu, a pobediće oni koji dodirnu „matricu sposobnosti“ koja se nalazi oko njih. Analitičari podataka kroz kraudsorsing*, kao i kroz „mašinsko učenje-kao-servis“ i eksterne skupove podataka, dobijaju moćan potencijal u poslovoj trci.

Crowdsourcing (angažovanje javnosti) je korišćena i legitimna metoda preuzimanja tuđih ideja, postupak dobijanja potrebnih usluga, ideja ili podataka od neodređenog skupa ljudi (shodno izreci: “Uzeti podatke od pojedinca je krađa, uzeti podatke od većeg broja ljudi je – istraživanje”).

5. Koristite sirove skupove podataka (takozvana „data-jezera“). Jezera podataka su spremišta u kojima možete sačuvati sve vaše postojeće podatke u izvornom obliku, bez obzira na njihov format Jezero podataka je spremište za skladištenje podataka koje sadrži ogromnu količinu sirovih podataka u svom izvornom formatu, sve dok se za njima ne ukaže potreba. I dok hijerarhijski organizovano skladište podataka čuva podatke u fajlovima ili fasciklama (folderima), data-jezero koristi “ravnu”, tj. horizontalnu ili baznu arhitekturu za čuvanje podataka, dakle bez hijerarhije (organizacije) podataka. Svakom elementu podataka u data-jezeru dodeljen je jedinstveni identifikator i označen je skupom proširenih oznaka metapodataka. Kada se pojavi upit od strane biznisa, data jezero se može upitati za relevantne podatke, a zatim se može analizirati manji skup podataka kako bi se odgovorilo na upit).

Raghavendra je mišljenja da kompanije treba da se upuste u praksu stavljanja svih svojih podataka u „data-jezero“. Ovi veliki skupovi sirovih podataka nisu stavljeni u fajlove niti su klasifikovani u foldere po važnosti, već su „u rinfuzu“, iako su svi indeksirani i tagovani kao metadata, spremni da se pojave na upit poslovnog subjekta. “Nemojte razmišljati o strukturiranju (važnosti, smisla i korisnosti podataka) na samom početku”, preporučuje Ragavendra.

6. Vršite istraživačku analizu podataka (exploratory data analysis, EDA) sa ciljem kojeg imate na umu. Prva faza „rudarenja podataka“ je upravo EDA, koja nastoji da rezimira podatke, vizuelno i ne-vizuelno. “Ono što sam često imao prilike da vidim je da je istraživački deo analize podataka potisnut”, rekao je Bharathan Shamasundar, viši analitičar podataka u DXC. “Svrha EDA tj istraživačke analize podataka je da se upoznaju s uzorcima i obrascima koji se u podacima poavljuju i samo na osnovu toga zauzimaju stavove o tome šta da čine nakon toga. Kompanije to često rade površno. “DXC-ovo iskustvo sa kompanijom za energetske usluge naglašava važnost pametne EDA tehnologije.

Jedno privatno komunalno preduzeće tražilo je preciznu prognozu koliko će energije proizvesti njihove vetroelektrane. Zbog toga što je ovo preduzeće primenilo istraživački deo analize (EDA) na svoje algoritme, tim savetodavne firme DXC je uspešno opovrglo već postojeće repere za čak 95% performansi vetro-turbina, uprkos tome što je upotrebljavano manje varijabli kako bi obavili svoje proračune. To iskustvo pokazuje značajne potencijale EDA metoda, naročito ako se sprovedu unapred, što će češće dovesti do algoritama prikladnih raspoloživim podacima.

7. Koristite inteligentno uzorkovanje. Jedan od razloga što kompanije imaju problema s pristupom u prave uvide Big data ishoda je zato što ih – previše koriste. “Uzorkovanje je postalo loša reč”, rekao je Šamasundar. “Uzorkovanje podataka je pametan način baratanja sirovim podacima.” Često se dešava da je ono što izgleda kao “big data” krcato redundantnim tj izlišnim informacijama. Analitičari iz DXC su za jedno robno-trgovačko preduzeće identifikovali  kako im je veliki deo uskladištenih podataka bio, zapravo, suvišan, jer je 94% svih njihovih trgovinskih poslova zasnovano na manjem podskupu podataka. Ovo pokazuje da je vrednovanje kvaliteta i relevantnosti važna komponenta strategije podataka.

8. Ustanovite fleksibilan operativni model za vaš program analitike podataka. Raghavendra vam savetuje da „Nikako ne odustajete od pokretanja programa za analizu podataka samo zato što ne možete da unajmite data-analitičara. Potražnja za ekspertima koji umeju da pravilno i smisleno „pročitaju“ velike hrpe podataka  trenutno je 60 procenata veća od broja stručnjaka, a nema znakova da se ovaj disparitet usporava. Međutim, ukoliko jedno preduzeće nije u stanju da zaposli dovoljno data-analitičara, Raghavendra preporučuje da, u tom slučaju, treba razmisliti o uporednom korišćenju partnerskih organizacija koje pružaju specijalističku analitičku podršku i “analitičara opštih podataka o građanima”. Stručnjak za prekopavanje tj „rudarenje podataka“ o građanima je osoba koja razume domen i poslovanje svojih poslodavaca/organizacija. Oni mogu obaviti razumnu analizu koristeći neke analitičke platforme koje su sada pojednostavile određene zadatke i zahteve u baratanju podacima. Pošto kompanije primenjuju analitiku za rešavanje problema, partnerske organizacije mogu biti od pomoći  kao podrška u uvećanju obima njihovih programa i izgradnji „dubljih“ mogućnosti u još raznovrsnijim oblastima.

I mada praćenje ovih smernica povećava verovatnoću za postizanje uspeha, preduzeća ne smeju smetnuti s uma da je mogućnost neuspeha realna i uvek prisutna. Analitika podataka sprovodi se kao naučni metod koji se zasniva na dokazivanju ili opovrgavanju hipoteze. Upotrebu podataka treba, potom, posmatrati kao istraživačku i razvojnu aktivnost (R&D). “Najbolje je imati pet-šest ili desetak i više ideja, i potom ih voditi paralelno”, opisuje Goltjeri upite zasnovane na podacima, “jer neće svi oni funkcionisati”.

Izazovi će postajati sve teži i teži, kako se količina podataka vremenom bude sve više uvećavala. Sa druge strane, što više podataka imate – to je i veća potencijalna nagrada i uspeh.

Prema Dejvu Aronu (Dave Aron), šefu istraživanja u  londonskoj IT firmi za istraživačko-savetodavne usluge Leading Edge Forum, DXC-ovom partneru za rukovođenje idejnim strategijama, još je uvek previše kompanija koje svojom najvrednijom imovinom smatraju ono što poseduju u fizičkom i finansijskom smislu.

“Preduzeća koja bi trebalo da dožive uspon i uvećanje svojih profita u narednoj deceniji jesu ona koja su prepoznala da su upravo informacije i njihova analiza ta nadasve “vredna imovina”, pa stoga grade i kontinuirano unapređuju svoje platforme za data-analitiku i izučavanje podataka”, kaže Aron. “Internet stvari (IoT), uz sve obimniji i glomazniji pravni okvir za zaštitu podataka čine da data-analitika postane relevantnija nego ikada pre.”

Obezbeđivanje koristi od analize „big date“ – bez obzira da li ste bolnica ili uslužna firma ili bilo koji drugi tip biznisa – zahtevaće promišljen pristup, puno hrabrosti, kao i respekta za naučne metode analize informacija dobijenih u vašem poslovanju.

WIRED Brand Lab, DXC Technology

Prokletstvo konsultanata


Ono što je nekada bila niša za firme kao što je Mekinsi preraslo je u industriju za upravljanje i menadžment.


Voren Bafet
se ovih dana svojski trudi da svoju kompaniju Berkshire Hathaway „oduči“ od korišćenja konsultanata.

“Ukoliko upravni odbor Berkšira bude angažovao honorarne konsultante nakon što ja umrem, doći ću vam s onog sveta!”, obećao je on prisutnima na godišnjem sastanku akcionara u subotu 13. maja. Bila je to samo šala… ali od srca.

Dobro je poznato da Bafet, najblaže rečeno, ne gaji baš neko visoko mišljenje o hedž fond menadžerima, koje opisuje kao “ljude plaćene na osnovu nečega što – kada se sve uzme u obzir – ne može biti istina”. Taj skepticizam on je proširio i na druge vrste posrednika – investicione bankare, brokere, i konsultante svake vrste.

Uz sve druge dobro nam poznate, i ova odlika čini Bafeta veoma neobičnim jer se korporativni svet kreće smerom upravo suprotnim od njegovih nastojanja. Jer, konsultanata ima na svakom koraku, gde god se mi osvrnuli – onih strateških, investicionih, poslovnih, za odštete, digitalne transformacije, marketinške i tehnološke. Neke firme, izgleda, kao da su u potpunosti začarane, obuzete njima.

Ono što je bila niša za tek nekolicinu čarobnjaka u firmama kao što su McKinsey & Co i Boston Consulting Group, vremenom se pretvorilo u prebrzo izraslu industriju koja nastavlja da se razvija brže od mnogih svojih klijenata. Konsultanti sada obavljaju mnoge poslove koji su nekada bili u nadležnosti samih kompanija.

Globalni prihodi firmi koje se danas bave menadžersko-konsultantskim poslovima je prošle godine porastao za sedam odsto, na $133 milijarde (prema podacima iz Source Global Research). Neke od vrhunskih firmi, kao što su Bain & Co, uživaju dvocifrenu ekspanziju koja traje već nekoliko godina. Velike računovodstvene firme, koje su mahom napustile konsalting početkom 2000-ih, vratile su se u igru: 44% prihoda konsultantske kuće Ernst & Young je prošle godine potekao od njihovih savetodavnih usluga.

Konsultantski rad nalazi se u srcu profesionalnih usluga: u Britaniji, od 2,2 miliona onih koji rade u oblasti finansijskih i srodnih stručnih usluga, njih 477,000 su konsultanti, u poređenju sa  „samo“ 421,000 bankara, prema podacima trgovinske grupe City UK. O čemu se ovde radi?

Jedan mogući odgovor je da su konsultanti, i pored svega – potrebni. Mnoge kompanije sprovodile su masovna otpuštanja zaposlenih, povukavši se u svoje osnovne filijale nakon finansijske krize 2008. godine; tu je i izmeštanje (ili outsourcing) svih zamislivih poslova, od proizvodnje do tehnologije. Angažovanje eksperata-spoljnih menadžera kao lica nužno potrebnih u poslovanju već zadobijaju novu formu: konsultantske usluge koje bi funkcionisale kao cloud usluge predstavljaju sledeći prirodan i logičan korak.

Tehnološke promene su, takođe, velika blagodet za same konsultante i njihov posao. Uspon digitalnih tehnologija i analitike podataka napravili su revolucionaran preokret u mnogim industrijama, uključujući maloprodaju i medije. Kompanije koje žele da „preprave“ svoj način poslovanja listom su se okrenule konsultantskim firmama, naročito onim većim koje imaju eksperte za primenu najnovih tehnologija u poslovanju.

To, praktično, može da znači kako je tehnološko-savetodavna usluga upletena u svaku poslovnu aktivnost: od toga kako kompanija prikuplja i analizira podatke, do toga kako reklamira proizvode preko Fejsbuka i dostavlja ih potom u domove. Marketinške kompanije kao što su WPP i Publicis sada se žestoko takmiče sa digitalnim odeljenjima konsultantskih firmi, kao što je to, recimo, Accenture.

Ove promene imaju ozbiljne implikacije po samu prirodu društva. Do pre jedne generacije, glavna konkurentska prednost američkih korporacija kao što su General Electric ili Procter & Gamble bio je menadžment: obučavali su direktorske kadrove koji su potom glatko i nesmetano poslovali u filijalama.

Savetodavne usluge u svetu biznisa nude nam surogat, naime, mogućnost da kompanije autsorsuju neke delove svoje strategije i poslovnih operacija. Nameće se pitanje: šta jedna velika kompanija za robu široke potrošnje, na primer, radi? Ako se ovi trendovi nastave, uskoro bi se moglo dogoditi da  nekoliko rukovodilacamenadžera nadgleda konsultante i izvođače. I to bi, onda, u veoma bliskoj budućnosti, postao jedan od vodećih modela poslovanja.

Čak i za one koji ne bi da idu tako daleko, angažovanje konsultanata poseduje privlačnost. Ekspertski autsorsing nudi fleksibilnu upotrebu dobro obučene grupe menadžera i stručnjaka – gornji ešalon kojeg konsultantska kuća Accenture naziva “tečnom radnom snagom” (liquid workforce). Angažovanje konsultanata – koji su i inače angažovani na sličnim projekta na nekim drugim mestima – pouzdano je i brzo.Postoje, međutim opasnosti, koje se u brzini mogu prevideti. Jedna od njih je da kompanije, ponesene aktuelnim trendom „iznajmljivanja“ konsultanata, počnu da kupuju off-the-shelf rešenja, ona koja su već ranije „otštancovana“ i „kao sa stalaže“, dakle već gotove proizvode koji su nekada nekome pomogli u poslovanju. Ovakve solucije čine da i vi počnete da poslujete kao i svi ostali – vaša rešenja i biznis modeli postaju međusobno sve sličniji. Konsultanti rado prodaju slične i već rabljene ideje, kao i slične metode za vrbovanje klijenata. Tako i usud „druženja“ s konsultantima ima svoju realnu cenu: svako može da ih angažuje, pa, samim tim, i sve poslovne ideje i modeli ubrzo postaju opšte mesto, predvidljivo i sveprisutno.

Ovakva konformistička „usaglašenost“ svih igrača i rivala nameće i unisonost a samim tim i predvidivost u načinu rešavanja, recimo, problema upravljanja imovinom – to je menadžment konsalting kojeg Bafet tako prezire. Danas je veoma teško postići originalnost u poslovanju (jer, kako nam se čini, nema beskonačnog izvora rešenja za poslovne probleme). I upravo je zbog toga Bafetov „Berkšir Hatavej“ veoma smišljeno ekscentričan, radeći na sebi svojstven način, što mu je zadnjih decenija proizvelo ogromne dobiti. Kao što je 2014. napisao u svom pismu akcionarima, “postoje i gore stvari u životu nego što je uspešan posao kojeg je lako shvatiti”.

Tu vreba još jedna opasnost – onda kada konsultanti postanu navika: jednom kada uhvate korena u vašem poslu i vašoj zgradi – teško ih je iskoreniti. Njima je, naravno, u interesu da što duže održavaju stabilne odnose sa svojim klijentima (a kome, budimo iskreni, to nije?), bilo tako što će ih uvek nanovo ubeđivati kako su problemi sa kojima se suočavaju složeni, ili tako što će ih navesti da kupuju još više savetodavnih usluga.

Kompanije kojima treba brza realizacija nekolikih zadataka mogu se uparložiti u ovakav način „konsultantskog poslovanja“. Mnoge američke korporacije “u svojim strukturama imaju skupu birokratsku kulturu, dok je sve veći korpus finansijskih savetnika koji se nude da vam prodaju širok spektar skupih usluga”, piše Lorens Kaningem, profesor na Univerzitetu Džordž Vašington.

Imajući u vidu prethodno rečeno, koju od ove dve opcije treba koristiti u poslovanju?

Konsultanti su primamljiva opcija u svetu brzih promena tehnologija ali i propisa, što njihov rast i pokazuje. Ali je isto tako mudro da se, ako ste kupac njihovih usluga, dobro čuvate onoga što vam nude. Jednu stvar pouzdano znamo: ako se Berkšir ikada bude pridružio ovom trendu, Bafet će se prevrtati u grobu.

John Gapper, Financial Times

Hoće li Amazon napraviti revoluciju u špediciji?


00

Amazon je za potrošače otpremanje roba učinio jednostavnim: samo izaberite željeni datum isporuke za svoje dragocenosti i kliknite. Za proizvođače koji treba da vam te proizvode isporuče, međutim, špedicija ostaje problematičan, neefikasan, tvrdoglavo analogni posao. Vaš “jedan klik” često se pretvara u više telefonskih poziva, e-mailova, faksova i naramke papirologije – koje koordiniraju dobro obučeni i dobro umreženi profesionalci, piše Adam Minter za portal Bloomberg.

Dakle, Amazon, koji se ponosi time što razara stare načine poslovanja, sada traži način da transformiše brodski prevoz, jer ima maloprodajnu industriju. Između oktobra i januara, organizovao je otpremu najmanje 150 kontejnera robe iz Kine u SAD. To je beskonačno mali deo u odnosu na milione kontejnera koji plove između dve zemlje svake godine. Ali Amazon je tek počeo – i nije sam. Prošlog meseca, Alibaba je počeo da rezerviše prostor za svoje dobavljače na Maersk kontejnerskim brodovima, pridružujući se rastućem talasu e-commerce kompanija koje žele da unesu veću efikasnost i transparentnost u isporuke tereta i pošiljki – poslu vrednom $160 milijardi dolara.

Amazonov interes za zakučasti svet špedicije datira iz 2012. godine, kada je kompanija sa sedištem u Sijetlu prva dozvolila kineskim dobavljačima da prodaju robu na Amazonovim onlajn platformama. Prodavci mogu ili da robu isporučuju direktno kupcima ili Amazonu, koji ih zatim pakuje i isporučuje u njihovo ime. Već 62 odsto kineskih e-trgovaca na malo prodaje na Amazon platformi. Organizovanje špedicije na jednostavniji način – i, nadajmo se, jeftiniji – bi u teoriji Amazon učinio atraktivnijom platformom za ove kompanije nego, recimo, Alibabu ili eBay.

03

U ovom trenutku, nema ničeg što bi se moglo nazvati lakim u vezi za špedicijom, barem ne za mala i srednja preduzeća koja prodaju svoju robu na Amazonu. Veliki proizvođači opreme i drugi veliki proizvođači imaju količine koje im omogućavaju da ispregovaraju dobru cenu za špediciju. Svi ostali moraju da angažuju usluge špeditera. Uloga špeditera je sveobuhvatna. Posao podrazumeva pregovaranje o najboljoj ceni i najefikasnije korišćenje više vidova transporta, uključujući i kamione, železnicu i prekookeanske brodove. Špediter mora da pripremi svu prateću dokumentaciju, uključujući i carinsku dokumentaciju. Kada se pojavi problem – na primer, kada je kontejner zadržan u luci – od špeditera se očekuje da imaju dugogodišnje veze potrebne da kontejnere ponovo pokrenu.

Dostava robe kupcima dugo se opirala automatizaciji; nema lakog načina da se automatski ponove odnosi sa brodskim kompanijama i  lučkim otpravnicima. Ali to ne menja činjenicu da je špedicija netransparentna i veoma neefikasna. Na primer, sposobnost špeditera da utvrde najbolje cene i brzinu slanja je često ograničena na poslovični (i ponekad stvarni) adresar. Online portali gde proizvođači mogu da prate svoje pošiljke su uglavnom nepoznati. Zaustavite se pored jednog od mnogih špeditera koji nude svoje usluge u lučkom gradu kao što je Šenžen i skoro sigurno ćete čuti brujanje faks mašina.

Amazon misli da tehnologija može da eliminiše mnoge od ovih neefikasnosti. Na primer, određivanje najbrže i najefikasnije isporuke je pitanje prikupljanja podataka i analitike – dve stvari koje Amazon radi veoma dobro (i manje startup firme to već rade uspešno). Amazonova veličina i obim podataka trebalo bi da omoguće kompaniji da kupi mnogo više kontejnera i bolje koordinira njihovu isporuku  nego što bi to mogao da uradi bilo koji špediter.

05

Efikasnija logistika će takođe pomoći Amazonu da smanji razne troškove transakcija, uključujući i naknade za rezervacije i različite podneske za državne institucije. I, na kraju, Amazon, možda više nego bilo koja druga kompanija ima sposobnost da stvori one-stop, one-click portal za špediciju koji će u velikoj meri olakšati posao proizvođačima, i omogućiti im da lakše prate svoje pošiljke. To je značajna komparativna prednost. Na kraju, Amazon može da ponudi uslugu bilo kojeg proizvođača, čak i onih koji prodaju na svojim platformama.

Zaista, za kompanije kao što su Amazon i Alibaba – čiji one-touch servis pomaže kineskim proizvođačima da organizuju avio-prevoz i carinjenje od 2010. godine – špedicija predstavlja sporedan posao koji im pomaže da prošire svoj doseg još dublje u globalni lanac snabdevanja. Ali kako njihovi napori počinju da dižu industriju iz mračnog doba,  tako bi i tehnologija trebalo da učini proces isporuke jeftinijim i dostupnijim većem broju kompanija nego ikada ranije. To je dobra vest za potrošače i globalizaciju ekonomije kojoj bi koristio svež vetar u jedra.

Adam Minter, Bloomberg

 

10 Vizija budućnosti “Interneta svih stvari”


Evo “top ten” trendova u budućnosti Interneta Stvari (Internet of things, IoT, ili, takođe, industrijski internet), nastalih na osnovu analiza Gartnera, kompanije za analitiku IT biznisa.

06

Guglovom pretragom termina “Internet of Things (Interenet svih stvari), IoT, ili Industrijski internet)” dobijamo preko 280.000.000 rezultata, zahvaljujući medijima koji u zadnje vreme intenzivno donose priče o vezi koja postoji između, recimo, pametnih kućnih aparata, nosivih uređaja i samonavodećih interaktivnih automobila. Zahvaljujući intenzivnoj medijskoj pokrivenosti, IoT je počeo da postaje i deo svakodnevnog govora. Ovo, ipak,nije potpuna slika, prema Niku Džonsu, potpredsedniku i stručnjaku kompanije Gartner koja se bavi analitikom IT biznisa. “IoT zahteva široku paletu novih tehnologija i znanja kojima mnoge kompanije i poslovni sistemi još uvek nisu ovladali”, kaže Džons, dodajući da je “jedan od stalnih lajtmotiva u oblasti IoT-a nezrelost, nedoraslost zahtevima koje tehnologija i najnovije usluge stavljaju pred  prodavce koji ih pružaju. Projektovanje stvari i opreme koja je u stanju da se nosi s ovom nedoraslošću zadatku, kao i upravljanje rizicima koje takva situacija stvara, biće ključni izazov kompanijama koje intenzivno koriste IoT. U mnogim oblastima tehnologije, nedostatak određenih veština i sposobnosti će takođe predstavljati značajan izazov.”

IoT će u godinama koje su pred nama izgledati sasvim drukčije nego danas. IoT je, zapravo, “greenfield tehnologija” – jer nastupa na “poslovnoj utrini”. To znači i da bi novi igrači, sa novim poslovnim modelima, pristupima i rešenjima, mogli da se pojave iznenada i “niotkuda”, trenutno preuzimajući  dosadašnje nosioce funkcija. Međutim, oblast biznisa je ključno tržište. I dok se govori o uređajima ugrađenim u odeću i o interaktivnim kućama, realna vrednost i neposredno tržište* za IoT jeste u biznisima i kompanijama. Potpuno usvajanje puno IoT okruženja daleko će više nalikovati već tradicionalnom modelu IT-difuzije (od preduzeća do potrošača), nego kao potrošačko usvajanje društvenih medija  i personalne mobilne tehnologije.

(*Neposredno tržište: Vremenski period, obično prekratak, potreban preduzećima da bi adekvatno označila ili rešila problem prilagođavanja promenama, koje zahtevaju trenutni uslovi u biznisu i industriji)

01

1. Platforme

Platforma je ključ uspeha. “Stvari” i uređaji će uveliko pojeftiniti, aplikacije će se umnožiti geometrijskom progresijom, a povezivanje će koštati veoma malo, “skoro besplatno”. Treba uzeti u obzir da IoT platforme umnogome uvezuju  infrastrukturne komponente iz sastava jednog IoT sistema, i to unutar samo jednog proizvoda. Usluge koje pružaju takve platforme spadaju u tri glavne kategorije:

I  Kontrolni uređaji niskog nivoa i operacije kao što su komunikacije, praćenje uređaja i upravljanje, bezbednost i ažuriranje kompanijskog softvera.

II  Brojne akvizicije IoT podataka, transformacija i upravljanje.

III Razvoj IoT aplikacija, uključujući softver za praćenje radnji korisnik u realnom vremenu (Event-driven logic, EDL), programiranje aplikacija, vizuelizaciju, analizu kao i kreiranje adaptera za povezivanje sa kompanijskim sistemima.

2.Standardi i ekosistemi

02

Gartner ističe da se,  procvatom IoT uređaja koji se sve više umožavaju pojavljuju i novi radno-tehnološki ekosistemi, i da će biti velikog rivaliteta, odnosno “komercijalno-tehnološke bitke među ovim ekosistemima”, kao i da će “dominirati oblasti poput pametnih interaktivnih kuća, pametnih gradova i zdravstvene zaštite. Prema prognozama Gartnerovih analitičara, “Svi oni koji se bave stvaranjem IoT sistema mogli bi započeti da razvijaju varijante svojih proizvoda za podršku većem broju standarda ili ekosistema, i biti spremni da ažuriraju svoje proizvode tokom njihovog životnog veka, kako standardi budu evoluirali a pojavljivali se novi API standardi” (protokoli, alati i rutine za  stvaranje novih aplikacija). Izvesno je da će biti velike borbe u cilju usvajanja IoT aplikacija od strane svetskog tržišta. Sa milijardama uređaja projektovanih da manipulišu petabajtima podataka, programeri aplikacija imaće nepregledno polje za pokretanje hiljada, ili čak miliona, novih i cool aplikacija. Ali, slično događajima u svetu pametnih aplikacija za pametne telefone, svi će voditi bitku za što veću naklonost od strane potrošača – a samo će njih nekolicina dospeti do vrha, kada će, konačno, biti prihvaćene i priznate od strane biznisa i potrošača.

3.Event stream procesori: obrada podataka u realnom vremenu

Prema Gartnerovim prognozama, “Neke IoT aplikacije generisaće ekstremno visoke stope-količine podataka koji će morati da budu analizirani u realnom vremenu. Biće uobičajeno da oprema i sistemi bliske budućnosti obrađuju desetine hiljada referenci u sekundi, a milioni operacija u sekundi mogu se uskoro pojaviti u nekim situacijama rada telekomunikacija ili telemetrije. Kako bi se odgovorilo na ove ogromne tehnološke zahteve, pojavile su se distributivne platforme za računarski streaming (DSCP-ovi). One obično koriste paralelne arhitekture za obradu protoka velike količine podataka podataka prilikom obavljanja zadataka kao što su real-time analitika i identifikacioni paterni (strukturni obrasci).”

4. Operativni sistemi

Već postoji širok spektar sistema, dizajniranih za određene, specifične namene.

5.Procesori i arhitektura

Za dizajniranje uređaja budućnosti, biće više nego porebno duboko razumevanje potreba koje će ova nova generacija uređaja iziskivati od svojih arhitekata, koji će morati da poseduju “ogromne tehničke veštine.”

05

6. Širokopojasne niskonaponske mreže

Sadašnja rešenja su vlasništvo pojedinačnih kompanija premda su standardi ti koji će zadominirati nad pojedincima. Prema Gartnerovim očekivanjima, “Tradicionalne mobilne mreže ne isporučuju dobru kombinaciju tehničkih karakteristika i operativnih troškova za one IoT aplikacije koje zahtevaju širokopojasno pokrivanje u kombinaciji sa relativno niskom propusnošću frekventnih opsega, dugovečnošću baterije, niskim hardverskim i operativnim troškovima kao i njihovom visokom frekventnom gustinom, odnosno, zbijenošću. Dugoročni cilj širokopojasne IoT mreže je da obezbeđuje brzinu prenosa podataka od nekoliko stotina bitova u sekundi (bps) do nekoliko desetina Kilobita u sekundi (Kbps) sa nacionalnom pokrivenošću, životom baterije do 10 godina, jednom krajnjom cenom hardvera od oko $5 i podržavajući stotine hiljada uređaja koji su povezani na baznu stanicu ili njen ekvivalent. Prve niskonaponske mreže (LPWAN) bile su zasnovane na tehnologijama su vlasništvo pojedinačnih kompanija (kao u eri mobilnih telefona pre pojave sada široko prihvaćenih IoS-a i Androida, gde je svaka kompanija imala svoj standard odvojen I nekompatibilan sa svim ostalim mobilnim uređajima), mada će se tržište na duži rok sigurno prikloniti nekim novim, široko prohvaćenim budućim standardima kao što je to, recimo, Narrowband IoT (NB-IOT), koji će verovatno i zadominirati u ovoj oblasti.”

7. Niskonaponska IoT mreža malog dometa

Kratkodometne niskonaponske mreže koje će povezivati uređaje biće daleko komplikovanije. Više neće postojati samo jedna zajednička infrastruktura za povezivanje uređaja.

8. Upravljanje IoT uređajima

Mnogi IoT uređaji koji nisu prolazni, već su koncipirani tako da nam u poslu i industriji potraju još neko vreme, iziskivaće upravljanje i servisiranje tj održavanje IoT sistema, kao što je potrebno i sa svim današnjim uređajima (apdejt odnosno ažuriranje poslovne opreme tj. softvera itd), što u igru uvodi velike izazove.

9. Analitika

03

Po prognozama Gartnera, firme koja se bavi analitikom IT biznisa, IoT će zahtevati nov pristup i – samoj analitici. “Novi analitički alati i algoritmi su nam više nego potrebni, ali s drastičnim povećanjem količine podataka kojima će se baratati do 2021. godine, potrebe za IoT sistemom mogao bi se u perspektivi razlikovati od tradicionalne analitike”,  kažu iz Gartnera. Ključna vrednost i kvalitet IoT-a biće “podaci”, Ali, ovaj novi kvalitet ima svoju vrednost samo ukoliko se obimne količine podataka mogu konvertovati u uvide, shvatanja, kao i informacije, na način da se mogu pretvoriti u konkretne aktivnosti koje će preobraziti kompanije, menjajući živote ljudi i utičući na društvene promene.

10. Bezbednost

04

Prema Gartneru, prisutne su pretnje od strane virusa koji bi onemogućavali ekonomičnu potrošnju baterije dok se uređaj ne koristi (tzv funkcija “sleep”). Ove napad  koriste zlonamerni kod koji se kroz IoT širi posvuda, a sa ciljem pražnjenja baterija uređaja tako što će ih virus držati neprekidno aktivnim. Prema Gartneru, “IoT uvodi širok spektar novih bezbednosnih rizika i izazova na obilju uređaja, njihovim platformama i operativnim sistemima, kroz njihovu međusobnu komunikaciju pa je čak i pretnja sistemima na koje su oni povezani. Sigurnosne tehnologije moraće da obavezno zaštite veliki broj uređaja i platformi kako od informatičkih napada tako i od fizičkih oštećenja, njihova komunikacija biće šifrovana a IoT će se susretati s novom vrstom izazova poput mimikrije-imitiranja pravih uređaja, kada virusi preuzimaju njihov identitet, ili blokirajući “sleep” funkciju, pritom brzo isisavajući struju iz baterije. Bezbednost IoT-a i uređaja biće dodatno zakomplikovana činjenicom da mnoge “Internet-stvari” koriste jednostavne procesore i operativne sisteme, koji nisu u stanju da podržavaju sofisticirane bezbednosne pristupe.”

Šta je sledeće?

IoT tržište je doslovce bezgranično. Predstoji nam jako uzbudljiv period, iako je potrebno sačiniti izuzetan softver i hardver, sa sofisticiranom pozadinskom podrškom na više bezbednosnih nivoa i uvodeći red i sofisticirano korišćenje podataka, uz shvatanje perspektive da je bezbednost veština koja obuhvata kriptografiju. Većini kompanija nedostaju talenti koja su im potrebni za razvoj bezbednosnih proizvoda.

(Tekst: Ahmed Banafa, IoT ekspert, Ilustracije i grafik: OpenMind)

OpenMind