Цифровизация жизни, большие данные и машинное обучение
 

В 2002 г. количество цифровых и аналоговых данных в мире людей сравнялось - наступила цифровая эра...

дальше объём цифры будет только расти, соответственно доля аналоговых данных в общем объёме снижаться....

Какие тренды, тенденции и подходы возникают и будут возникать в связи с этим?

И вообще, как с этим жЫть? :D


↓↓ картинка )))

https://upload.wikimedia.org/wikiped...InfoGrowth.png

Больши́е да́нные (англ. big data, [ˈbɪɡ ˈdeɪtə]) — обозначение структурированных и неструктурированных данных огромных объёмов и значительного многообразия, эффективно обрабатываемых горизонтально масштабируемыми программными инструментами, появившимися в конце 2000-х годов и альтернативных традиционным системам управления базами данных и решениям класса Business Intelligence[1][2][3].
В широком смысле о «больших данных» говорят как о социально-экономическом феномене, связанном с появлением технологических возможностей анализировать огромные массивы данных, в некоторых проблемных областях — весь мировой объём данных, и вытекающих из этого трансформационных последствий

В качестве определяющих характеристик для больших данных традиционно выделяют «три V»: объём (англ. volume, в смысле величины физического объёма), скорость (velocity в смыслах как скорости прироста, так и необходимости высокоскоростной обработки и получения результатов), многообразие (variety, в смысле возможности одновременной обработки различных типов структурированных и полуструктурированных данных)[5][6]; в дальнейшем возникли различные вариации и интерпретации этого признака



Набор признаков VVV (volume, velocity, variety) изначально выработан Meta Group в 2001 году вне контекста представлений о больших данных как об определённой серии информационно-технологических методов и инструментов, в нём, в связи с ростом популярности концепции центрального хранилища данных для организаций, отмечалась равнозначимость проблематик управления данными по всем трём аспектам[24]. В дальнейшем появились интерпретации с «четырьмя V» (добавлялась veracity — достоверность, использовалась в рекламных материалах IBM[25]), «пятью V» (в этом варианте прибавляли viability — жизнеспособность, и value — ценность[26]), и даже «семью V» (кроме всего, добавляли также variability — переменчивость, и visualization[27]). IDC интерпретирует «четвёртое V» как value c точки зрения важности экономической целесообразности обработки соответствующих объёмов в соответствующих условиях, что отражено также и в определении больших данных от IDC[28]. Во всех случаях в этих признаках подчёркивается, что определяющей характеристикой для больших данных является не только их физический объём, но другие категории, существенные для представления о сложности задачи обработки и анализа данных.

Да, это очень интересный вопрос. Экзистенциального толку. Это тот вызов эпохе бурного развития технологий IT и последнему десятилетию трансформации отрасли коммуникации, которые пришли на смену Мобильной Революции с начала 60х годов прошлого столетия, а именно - бурное развитие коммуникаций и средств связи.

Следующие 50 лет каждый человек будет вынужден решать именно этот вопрос: КАК С ЭТИМ ЖИТЬ?.
Так сказать - всеобъемлюще всеохватывающий тренд.

-----

В канву темы:

YouTube
Канал: Четко

Юваль Ной Харари - Вызовы 21-го века [Берлин - Июль 2018]
Время просмотра: 31:32

был на семинаре по большим данным... выступал представитель мегафона...

короче, мы у сотовых компаний под колпаком, плотно и навсегда...

у них строится информационный портрет человека - как часто пополняет счёт, какое финансовое состояние, где и когда бывает (геопозиционирование), на чём передвигается (общ. транспорт, личный авто, такси), ближайшее окружение, какие темы читает, поведение в интернете и соцсетях, политические взгляды, интересы... и ты ды, и ты пы...

Машинное обучение (англ. machine learning, ML) — класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. Для построения таких методов используются средства математической статистики, численных методов, методов оптимизации, теории вероятностей, теории графов, различные техники работы с данными в цифровой форме.
Различают два типа обучения:

1. Обучение по прецедентам, или индуктивное обучение, основано на выявлении эмпирических закономерностей в данных.
2. Дедуктивное обучение предполагает формализацию знаний экспертов и их перенос в компьютер в виде базы знаний.

Дедуктивное обучение принято относить к области экспертных систем, поэтому термины машинное обучение и обучение по прецедентам можно считать синонимами.
Многие методы индуктивного обучения разрабатывались как альтернатива классическим статистическим подходам. Многие методы тесно связаны с извлечением информации (англ. information extraction), интеллектуальным анализом данных (data mining).

Ну..., как бы ДА. Сейчас почти все крупные операторы рынка заняты поиском решений и разработки алгоритмов по части определения ДНК покупательского поведения. И это - более чем логично и обоснованно. Странно этого НЕ делать в наше время. Некоторых обывателей (в лучших смыслах этого слова) это сильно пугает.
--------------------------

В копилку темы:

Стартап HUMM

https://hightech.fm/2018/11/09/startap-humm

да, надо ввести такой тег:"в копилку темы" )))

так вот, в копилку )))


Уберизация экономики


Уберизация — термин, производный от названия компании Uber. Компания разработала мобильное приложение, которое позволяет потребителям подавать запросы на поездки, которые затем переадресуются водителям компании, использующим свои личные автомобили[1][2]. Термин «уберизация» относят к использованию компьютерных платформ, таких как мобильные приложения, для проведения пиринговых сделок между клиентами и поставщиками услуг, что часто позволяет отказаться от услуг традиционных плановых корпораций. Модель отличается существенно меньшими эксплуатационными расходами по сравнению с традиционным бизнесом[3][4][5].

История
Уберизация стала возможной благодаря расцвету цифровых технологий, заложенных в XX веке и получивших дальнейшее развитие в XXI веке. Такие компании как Uber, GrabCar и сервис Airbnb позволяют потенциальным клиентам устанавливать непосредственный контакт с потенциальными поставщиками услуг. Феномен уберизации характеризуется устранением или квази-устранением посредников.[5]
Уберизованные бизнес-форматы имеют следующие признаки:[6]

• Использование цифровой платформы, позволяющей совершать пиринговые или квази-пиринговые транзакции.
• Минимизация числа звеньев между поставщиком и заказчиком услуг.
• Использование рейтинговой системы оценки качества услуг, предоставляемой провайдером.

Распространенность
Уберизация проникла пока в ограниченное, но непрерывно растущее число отраслей. Например, появление сервиса Airbnb кардинально изменило гостиничную индустрию, которая в одном только Нью-Йорке оценивается более чем в 2,1 миллиарда долларов[7]. В то время, как уберизация подвергается критике как потенциальный источник хаоса и, соответственно, возможная причина подрыва существующей корпоративной модели в гостиничном и транспортном бизнесе, компании, действующие в таких отраслях, как маркетинг, могут использовать данный феномен для сокращения расходов и начать предоставлять клиентам более специализированные услуги[3].

Примеры
Среди ярких примеров и проявлений уберизации можно назвать:

• В транспортной отрасли (вытесняя такие сети такси, как Comfort Delgro[8] и международные эквиваленты):
  • Uber (компания, давшая название всему явлению)
  • Gett
  • Grab[9]
  • Didi Kuaidi[10]
  • Lyft[11]
• В гостиничной индустрии гостеприимства (конкуренция с традиционным отелями и сдачей жилья в частном секторе)
  • Airbnb

Критика
Уберизацию часто критикуют за то, что она способствует упадку трудоёмких производств, что, в свою очередь, приведёт к сокращению рабочих мест[12][13].
Уберизация также вызывает обеспокоенность государственных регуляторов и органов налогообложения, поскольку оформление принципов совместного потребления в виде конкретных приложений приводит к спорам по поводу того, каким образом поставщика услуг, использующего в своей работе уберизированную платформу, можно, при ненадлежащем качестве услуг, привлечь к ответственности, и как отслеживать исполнение им налоговых обязательств[14].

Да. Давай в копилку нафантазируем ситацию.)))

Предположим я тебе звоню и говорю:

квит, я заняла позицию менеджера клиентской базы большой сети АЗК с магазинами, кафе и туалетами. У меня есть тройка стратегических и под ними список промежуточных задач, которые я намерена реализовать. Я сориентировалась на местности и мои выводы такие: все относительно не плохо и есть что улучшать. С точки зрения перспективы на 5 лет я используемые технологии считаю устаревшими, а некоторые участки критично опасными. Если тут 2 года ничего не менять и заниматься только покраской бордюров и проклейкой асфальтов следочками, через года 3 уже не станет смысла что-то улучшать. Система займет уверенное место в нише и позицию на рынке тех бизнесов, которые живут в режимах между тремя задачами: продать как можно больше, продать любой ценой, хоть что-нибудь продать.

Конечно же моя оценка сильно кривая, но никакой другой, желательно не моей, у меня нет.

Что мне сделать? Если я знаю, что могу обратиться к тебе за профессиональной помощью.
----
Как тебе эта идея? ))

одобряю :yes:

а если это ещё и как-то монетизируется - поддерживаю всеми конечностями!!! :D