авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 || 3 | 4 |   ...   | 6 |

«Министерство образования и науки Российской Федерации ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ ...»

-- [ Страница 2 ] --

Ориентировочный срок реализации информационного объ екта.

С целью верификации собираемых данных процессе заполнения анкет сотрудники рабочих групп, извлекающие сведения из доступных источников, контролируют достоверность данных путем поиска аналогичных сведений из других источников, подтверждающих их достоверность. После проверки до стоверности сведения заносятся в БД в формате рекомендованной структуры записи сбора сведений с кодированием полей на основе классификаторов.

Процедура обработки информации Обработка сведений мониторинга заключается в систематизации и структурировании информации из сведений, помещенных в базу данных и приведении ее к виду, пригодному для формирования аналитических отче тов. Формирование отчетов осуществляется путем представления агрегиро ванной информации из базы данных и/или исходной информации по различ ным аналитическим критериям в соответствии с классификационными при знаками и/или ключевыми словами.

Содержание выходных документов Формы получения информации из базы данных определяются конкрет ной задачей и не регламентируются настоящей процедурой ввиду большого разнообразия рассматриваемых направлений развития, не позволяющих нор мализовать выходные формы документов.

Рекомендуется подготовка следующих информационно-аналитических отчетов и справок:

описание трендов научно-технического развития и технологий ПН;

информационно-аналитическая справка по ключевым перспек тивным рынкам и продуктам ПН;

информационно-аналитическая справка по основным информа ционным поводам (событиям) в рамках развития ПН;

справка о развитии инфраструктуры и ключевых технологиях сектора;

таблицы: важнейшие технологические группы - важнейшие сег менты рынка и продуктовые группы;

таблицы: важнейшие направления исследований и разработок – важнейшие технологические группы;

важнейшие научные результаты и ключевые технологии с ориен тировочными сроками их реализации по периодам:1. 2015, 2. 2016-2020, 3.

2021-2030, 4. - после 2030;

важнейшие инновационные продукты с вероятными сроками их реализации по периодам:1. до 2015, 2. 2016-2020, 3. 2021-2030, 4 - после 2030.;

организации, ведущие разработки и/или производство по ПН, а также организации, осуществляющие инвестирование и/или инфраструк турную поддержку, оказывающие услуги, необходимые для развития про фильного направления;

профессиональные сообщества и экспертные груп пы;

организации и предприятия, являющиеся участниками отраслево го кластера и/или реализующие проекты в области исследований и про мышленного производства продуктов профильного направления отрасле вого центра прогнозирования (ОЦП);

рекомендуемые источники по мониторингу в сфере ИТКС (При ложение В);

кадровый состав ведущих ученых и специалистов (Приложение Г).

1.4 Проведение аналитических и экспертных исследований в рамках си стемы мониторинга, включая анализ деятельности реального сектора экономики, в т.ч. малых и средних предприятий;

рынков и отраслей, от носящихся к профилю отраслевых центров прогнозирования Порядок проведения аналитических и экспертных исследований опре деляется содержанием таблицы 5 (подраздел 1.2).

Анализ деятельности реального сектора экономики, в т.ч. малых и средних предприятий;

рынков и отраслей, относящихся к профилю отрасле вых центров прогнозирования, предусматривался программой экспертных исследований (см. раздел 2.1.2), детализация содержательной части которой приведена в Приложении Б. Описание инновационных трендов, продуктов и технологий содержит анализ деятельности реального сектора экономики, в т.ч. малых и средних предприятий;

рынков и отраслей, относящихся к про филю отраслевых центров прогнозирования. При этом использовались при веденные выше методики, а также материалы Приложений А, В, Г. Так как регламентация системы мониторинга и сам мониторинг проводились парал лельно, не все теоретические выводы 1 раздела были реализованы. В настоя щем подразделе приведены результаты пробного исследования в рамках со зданной системы мониторинга для выявленного тренда «использование ана литики Больших Данных».

Работа со сверхбольшими данными.

Актуальность данного направления заключается в необходимости со кращения отставания темпов роста методов и средств обработки и анализа информации от темпов роста объемов информации.

Ежегодно увеличиваются потоки неструктурированной информации, в том числе мультимедийной, и при этом большинство организаций не может справиться техническими проблемами обработки больших объемов данных, а, следовательно, не способны управлять ими. Рост данных происходит еще и потому, что никто не собирается сокращать число машин, генерирующих данные - от датчиков, блогов и твиттеров, изображений и потоковой переда чи данных с различных устройств - все это растет в соответствии с законом Мура. Среди проблем с обработкой больших объемов данных (Больших Дан ных), следует отметить [3]:

объем данных превышает физические возможности их хранения в ИТ-инфраструктуре организаций;

в процессе различных вариантов анализа необходимо обеспечивать высокую скорость обработки больших объемов неструктурирован ных данных, имеющих различные форматы;

наблюдается рост затрат на хранение и обработку данных.

Проблемы Больших Данных стали закономерным следствием развития инфокоммуникационных технологий, в результате которого изменяется па радигма работы с данными, которые необходимо хранить на предприятиях.

Развитие ИКТ способствует увеличению цифрового контента обрабатывае мых данных, необходимых для организации конструкторско производственной деятельности и принятия решений. В этой связи многие организации сохраняют сканированные копии документов, видео-контент презентаций и деловых встреч, что приводит к существенным изменениям инфраструктуры хранения данных: аппаратно-программных комплексов СХД. Проблема Больших Данных также актуальна в медиа компаниях, хра нящих огромные объемы «тяжеловесного» контента. В значительной степени это касается и банков и страховых компаний, которые начали хранить всю первичную документацию в форме сканированных документов. Большую за интересованность в технологиях хранения и обработки больших объемов не структурированных данных на российском рынке проявляют силовые струк туры, обеспечивающие национальную безопасность. Например, во многих городах устанавливается большое количество видеокамер, и полученный огромный объем данных должен быть сохранен для последующей аналити ческой обработки.

Увеличение сгенерированных различными источниками данных, пре вышающих возможности их хранения и обработки существенным образом способствует инвестированию в инфраструктуры центров обработки данных (ЦОД). Кроме того, на основании выполненных исследований, известно, что применение Больших Данных в процессе принятия оперативных решений обеспечивает до 6% прироста производительности, а значит и доходности организаций. К такому же утверждению пришел финансовый директор IBM 2010 Global Study, который высказался о том, что в течение ближайших трех лет, организации, использующие большие объемы данных принятии решений будут финансово превосходить своих конкурентов на 20 и более процентов.

Erik Brynjolfsson [4], профессор научного менеджмента в Массачусет ском институте Sloan School Technology, утверждает: "Это не просто боль шие данные, в том смысле, что у нас много данных. Вы также можете думать об этом как данных 'нано', в том смысле, что у нас очень, очень детальные данные - дают возможность измерять вещи гораздо более точно, чем ранее.

Вы можете узнать о предпочтениях отдельных клиентов и персонализировать свои предложения для этого конкретного клиента". Единственный способ ид ти в ногу с увеличивающимися данными - это выйти за рамки традиционных инструментов СУБД таким образом, чем большинство предприятий никогда не занимались. Инструментальные средства для выполнения такого перехода уже существуют в современном мире. Считается, что работа со сверхболь шими данными включает в себя развитие нереляционных (NoSQL) СУБД, со здание и внедрение новых систем распределенных вычислений, новых аппа ратно-программных комплексов. NoSQL-хранилища данных становятся все более популярными, поскольку они решают проблему масштабируемости в широком плане. Хранилища данных, не использующие схемы, фундамен тально отличаются от традиционных реляционных баз данных, и, кроме того, оказалось, что использовать их легче, чем можно предположить. Вместе с тем, реализации этой тенденции препятствует значительный дефицит кадров, работающих в этой области.

Сегодня мы завалены данными - их объем превышает терабайты, пета байты и даже экзабайты (1 миллион терабайт). Обладание большими объе мами данных равносильно значительному увеличению активов в организаци ях, успешное управление которыми гарантирует конкурентные преимуще ства тем, кто раньше сможет освоить осмысление большого объема деталь ных данных и получить Информацию с большой буквы. Погоня за конку рентное преимуществом является движущим фактором для предприятий.

Действительно, решение задач обработки Больших Данных может принести большие преимущества во многих отраслях.

В соответствии с законом Мура [5], количество данных, вводимых в различные системы, удваивается каждые два года. Только Twitter формирует почти 100 миллионов сообщений каждые 24 часа. Данные, которые помеща ются в системы хранилищ данных, могут оказаться чрезвычайно ценными для извлечения различной полезной информации [6].

"Если я прав насчет данных, генерируемых не людьми, а машинами, взаимодействующими с другими машинами, закон Мура - создание новых данных в бешеном темпе":- говорит Майкл Олсон, основатель и генеральный директор Cloudera, которая производит новую платформу для обработки больших объемов данных с открытым исходным кодом под названием Hadoop.

По мнению аналитиков, почти половина западных компаний испыты вает трудности в связи с чрезвычайно быстрым ростом общего объема ин формации. Правда, отечественные компании все еще с настороженностью относятся к проблеме Больших Данных, сомневаясь в окупаемости инвести ций в соответствующие технологии. Однако недооценивать проблему Боль ших Данных не стоит — предприятия, хранящие неструктурированные дан ные обычным образом, рискуют столкнуться с проблемами неэффективного использования дорогого дискового хранилища, большими эксплуатационны ми затратами и дорогим сервисным обслуживанием. Более того, некоторые опросы показывают, что большинство организаций не понимают каким обра зом монетизировать ценность больших объемов данных и видят только за тратную сторону хранения больших объемов данных, а не их потенциальную значимость для увеличения дохода.

Исследовательская компания IDC считает, что в период до 2020 года, количество информации в цифровой вселенной вырастет на 35 триллионов гигабайт. В 2011 году количество создаваемой цифровой информации превы сило 1800 млрд. гигабайт – т. е за последние пять лет выросло в девять раз, по данным IDC [7]. Эта величина соизмерима с числом звезд в физической вселенной.

В соответствии с другим взглядом на эту тенденцию, в 2015 году объем глобального мобильного трафика потока данных через Интернет достигнет 6,30 экзабайт в месяц, по оценкам Cisco. Один экзабайт эквивалентен млрд. экземпляров регулярных печатных еженедельных журналов новостей.

По информации от фирмы Gartner [8,9] в 2012 году затраты на решение различных задач ИТ, связанных с обработкой Больших Данных, составили в мире в целом 28 млрд долл., а в 2013 году, по прогнозам аналитиков фирмы Gartner, они дойдут до 34 млрд. долл. При этом в 2012 году только 4,3 млрд.

долл. было потрачено на приобретение программного обеспечения, выпол няющего новые функции обработки данных. Большая часть расходов связана с адаптацией традиционных решений к новым условиям работы - большим объемам социальных и машинных данных, их разнообразию, непредсказуе мой скорости поступления и так далее.

Обработка Больших Данных способствовала привлечению новых инве стиций почти во всех областях ИТ, говорится в докладе Gartner. Однако к 2018 году решение подобных задач станет уже минимальным требованием к технологиям управления информацией, а к 2020 году обработка больших объемов данных станет стандартной функцией продуктов всех основных раз работчиков корпоративного программного обеспечения. К этому времени Большие Данные перестанут выделяться в отдельную категорию, а архитек турные подходы, инфраструктура, оборудование и программы, не рассчитан ные на работу с ними, будут считаться устаревшими.

Согласно прогнозу IDC [9], вышедшему в марте 2012 года, рынок тех нологий и сервисов для обработки больших данных вырастет с $3,2 млрд. в 2010 году до $16,9 млрд. в 2015 году. Это соответствует среднегодовому темпу роста на уровне 40%, что примерно в 7 раз больше, чем среднегодовой темп роста всего ИКТ рынка в целом.

IDC указывает, что работа с Большими Данными становится еще одной обязательной компетенцией в 2012 году. По данным IDC, в 2012 году будет сгенерировано около 2,43 Зеттабайт цифрового контента, что на 48% больше, чем в 2011 году. Более 90% этой информации будут представлять собой не структурированные данные (изображения, видео, файлы.mp3 и файлы соци альных медиа), то есть данные, которые очень сложно поддаются анализу.

Исследование, проведенное LogLogic, показало, что 49% ИТ руководителей уверены в готовности своих компаний справиться с Больши ми Данными. При этом 38%, напротив, признали, что даже не имеют полного представления о сути этого явления.

Организация McKinsey Global Institute выяснила [10], что из более чем 1 400 опрошенных бизнес-руководителей высшего звена больше половины назвали большие данные и аналитику в числе 10 главных корпоративных приоритетов. Одна пятая респондентов сообщила, что их компании полно стью развернули большие данные и аналитику для получения данных об од ном подразделении или функции. Однако только 13% респондентов исполь зуют данные для получения информации в рамках всей компании.

Многие руководители утверждают, что в использовании больших дан ных и аналитики они определенно превосходят конкурентов, даже если этого нельзя сказать о других конкурентных ИТ-технологиях. ИТ-директора дают более пессимистическую оценку, чем исполнительные директора: лишь 30% ИТ-директоров предполагают, что их компании генерируют из больших дан ных более ценные сведения, чем конкуренты. Среди исполнительных дирек торов этот показатель составил 46%.

Мировой рынок решений для обработки больших данных вырастет по чти в 7 раз до 20 млрд. евро в 2016 году по сравнению с 3 млрд. евро в году, к таким выводам пришли аналитики PAC (Pierre Audoin Consultants) в исследовании [11], опубликованном в конце сентября 2012 года. Согласно данным агентства, ежегодный рост рынка составит около 38% с 2010 года по 2016 год.

Интерес к обработке больших данных кроме крупных предприятий можно предположить и у предприятий среднего и малого бизнеса (СМБ), не генерирующих большие объемы данных, но готовых предоставлять услуги их анализа.

Концепция облачных вычислений предоставляет компоненты для «больших данных» обширному кругу заказчиков в форме удаленных реше ний. Новые возможности сетевых инфраструктур развиваются быстрыми темпами, что даже самым маленьким организациям дает шанс воспользо ваться преимуществами «больших данных», не инвестируя значительные средства в традиционные для таких случаев вычислительные формы и мно гочисленные массивы хранения.

Аналитика «больших данных» характеризуется тремя основными эле ментами: объемами неструктурированных данных, вычислительной мощно стью и алгоритмами. Естественно, наибольшей трудностью для СМБ предприятий являются сами данные, то есть способы их поиска, хранения и доступа к ним.

Чтобы данные были действительно «большими», их должно быть мно го, а организации из сегмента СМБ, как правило, не могут сами производить их в таких объемах. Следовательно, приходится искать альтернативные ис точники данных вне предприятия и на помощь приходят существующих крупных публичных банков данных, которые доступны всем и содержат раз личные типы информации, — это, например, Бюро переписи США, Всемир ный банк, а также общие публичные данные в Google. Кроме того данные можно получить от некоторых правительственных агентств, таких как Data.gov, а веб-сайты, подобные Crunchbase.com, Kasabi.com, Freebase.com, Infochimps.com и Kaggle.com, охватывающих диапазон данных от веб трафика до социальных сетей. Подобные ресурсы предлагают доступ к дан ным различного типа, которые впоследствии можно использовать в различ ных видах аналитических исследований.

Экспоненциальный рост этих и других массивов данных будет про должаться на протяжении всего 2012 г. Как утверждает аналитическое агентство по исследованию данных McKinsey Global Institute, объемы дан ных, генерируемых по всему миру, каждый год увеличиваются на 40%.

Можно предположить, что повсеместное применение технологий Web 3.0 с семантическими технологиями в ближайшем будущем еще в большей степени увеличит объем данных для машинной обработки и будет способ ствовать расширению круга решаемых задач с применением Больших Дан ных.

IDC рассматривает под решениями Больших Данных новое поколение технологий и архитектур, созданных для получения конкурентных преиму ществ из обработки больших объемов разнообразных данных, осуществляе мых за счет инструментов быстрого «фиксации» таких данных, поиска по ним и анализа. IDC разделяет рынок решений Больших Данных на следую щие сегменты: серверный, сегмент СХД, сегмент сетевых решений, сегмент ПО и сегмент сервисов.

Методология IDC для определения объемов рынка технологий и серви сов Больших Данных включает оценку текущих и планируемых развертыва ний, соответствующих трем сценариям:

Внедрения СХД с возможностью накопления объемов данных превышающих 100 Тб.

Внедрения сверхскоростных технологий обмена сообщениями в реальном времени, потокового ввода данных и мониторинга.

Внедрения в компаниях, где активы данных не столь велики в настоящее время, но намечается тенденция к росту, как минимум на 60% ежегодно.

Кроме того, IDC утверждает, что технологии должны быть развернуты на масштабируемой инфраструктуре, и в рамках решения должны быть за действованы два и более типа данных или источника данных или, как вари ант, «скоростные» источники данных, такие как потоковой трекинг или мо ниторинг генерируемых машинами данных.

По данным IDC, для сегментов рынка технологий Больших Данных среднегодовой темп роста отличается от общего рыночного показателя: так, вплоть до 2015 года сегмент серверных решений будет расти на 27,3% в год, программных решений – на 34,2%, а систем хранения данных (СХД) – на 61,4%.

В то время как софт и сервисы составляют основу рынка решений для больших данных и останутся таковыми вплоть до 2015 года, инфраструктур ные решения для Больших Данных будут развиваться активнее: этот сегмент будет в среднем расти на 44% в год.

Развитие облачных и аутсорсинговых моделей применительно к Боль шим Данным означает, что с течением времени пользователи смогут уделять меньшее внимание технологическим аспектам Больших Данных и сосредото читься на пользе решений для бизнеса. Большое значение будут иметь при этом производительность, доступность, безопасность и управляемость таких систем.

Ведущие игроки рынка обработки Больших данных Вовлеченность к средствам сбора, обработки, управления и анализа больших данных проявляют практически все ведущие ИТ-компании, что вполне подтверждает перспективность этого направления развития ИТКС.

Причинами такого интереса является как вовлеченность компаний в реше ние непосредственно с необходимостью обработки принадлежащих им больших объемов данных в собственном бизнесе, так и в связи с тем, что большие данные открывают большие перспективы для освоения новых ниш рынка и привлечения новых заказчиков. Интерес к рынку Больших Данных проявляют практически все известные компании, а именно: Amazon, Dell, eBay, EMC, Facebook, Fujitsu, Google, Hitachi Data Systems Corporation, HP, IBM, LinkedIn, Microsoft, NetApp, Oracle, SAP, SAS, SGI (Silicon Graphics Inc), Teradata, VMware, Yahoo.

В последнее время появляется множество стартапов, которые делают бизнес на обработке огромных массивов данных. Часть из них используют готовую облачную инфраструктуру, предоставляемую крупными игроками вроде Amazon. Ниже представленный далеко не полный перечень таких ком паний:

Acunu http://www.acunu.com/ Занимается разработкой технологий хранения данных, позволяющих при использовании стандартных аппаратных ресурсов значительно повысить производительность.

Таким образом, заказчики получают возможность экономить на ап паратном обеспечении и энергопотреблении.

Apigee http://apigee.com Компания-разработчик ПО для сети Интер нет.

Aspera http://www.asperasoft.com/ Разработчик нового поколения транспортных технологий для передачи данных с максимально воз можной скоростью в независимости от нагрузки на сеть, расстояния и физических условий Aster Data Systems (поглощена Teradata) www.asterdata.com/ Разра ботчик программного обеспечения управления и анализа данных.

management and analysis software company headquartered in San Car los, California.

Cloudera http://www.cloudera.com/ Разработчик ПО промежуточного слоя и поставщик услуг на базе Apache Hadoop.

Couchbase http://www.couchbase.com/ Разработчик распределенных СУБД, разрабатываемых в рамках парадигмы NoSQL (подразумева ет использование не базирующихся на SQL способов организации работы с данными). Код доступен для свободной загрузки и распро страняется в рамках лицензии Apache Software Foundation.

Datameer http://datameer.com/ Предлагает дополнительные инстру менты для популярной платформы с открытым кодом Apache Hadoop для обработки больших объемов данных в кластерах, по строенных на основе серийно выпускаемого оборудования.

DataStax http://www.datastax.com/ Разработчик NoSQL распределен ной СУБД с открытым кодом Apache Cassandra Factual http://www.factual.com/ Разработчик API-интерфейсов для баз данных большого объема, хранящих информацию о различных объ ектах для геолокационных приложений.

GoodData http://www.gooddata.com/ Стартап предлагает решения для аналитики на основе облачных вычислений.

Greenplum (поглощена ЕМС). Бесплатная версия Community Edition СУБД с обработкой с массовым параллелизмом EMC Greenplum Database, а также бесплатные аналитические алгоритмы и инстру менты интеллектуального анализа данных.

Hortonworks (Аффилирована с Yahoo). http://hortonworks.com/ Ком пания, созданная на базе подразделения Yahoo, ответственного за разработку открытого ПО Apache Hadoop.

MapR Technologies http://www.mapr.com/ Компания предлагает большое количество доработок для Apache Hadoop с целью упроще ния разрешения ряда сложных задач, связанных с анализом больших данных. MapR заверяет, что тем самым она делает Apache Hadoop более управляемым, простым в использовании, доступным и надеж ным.

Metaweb Technologies (поглощена Google). Поисковый стартап, ко торый разрабатывал технологии семантической разметки веба и поддерживал открытую базу знаний Freebase (свыше 10 млн людей, мест и объектов, связанных друг с другом). В 2010 году приобретен Google.

Netezza (поглощена IBM) www.netezza.com В сентябре 2010 года стало известно, что IBM приобретает компанию Netezza, разработ чика систем анализа данных, за $1,7 млрд. За последние четыре года компания потратила $12 млрд. на покупку 23 аналитических компа ний. В частности, ранее IBM за $1,2 млрд. купила разработчика ана литического ПО для предсказания будущих трендов SPSS и за $ млрд компанию Cognos.

nPario http://www.npario.com/ Компания предлагает набор специали зированных решений для анализа поведенческой модели потребите лей. На основе полученных данных заказчики смогут вносить осо знанные коррективы в маркетинговую политику, тем самым повы шая привлекательность своих продуктов и/или услуг.

Palantir Technologies palantir.com Компания предлагает набор спе циализированных решений для анализа поведенческой модели по требителей. На основе полученных данных заказчики смогут вно сить осознанные коррективы в маркетинговую политику, тем самым повышая привлекательность своих продуктов и/или услуг.

ParAccel www.paraccel.com Разработчик аналитической СУБД PADB, - по заверениям компании, самой быстрой в мире и экономи чески эффективной платформы, значительно превосходящей по возможностям традиционные хранилища и аналитические инстру менты. Решения ParAccel нацелены на сложнейшие задачи в области аналитики, в которых приходится иметь дело с Большими Данными в ограниченных временных рамках. Находят применение в финан совом секторе, розничной торговле, здравоохранении, госучрежде ниях.

ParStream http://www.parstream.com/ Разработчик аналитической платформы на базе универсальных x86-процессоров и графических nVidia Fermi. Написанное его специалистами ядро СУБД поддержи вает операции с данными в виде параллельных потоков, отсюда и название ParStream. Используется идея применения технологий вы сокопроизводительных вычислений к аналитике «больших данных»

и создания ParStream.

SenSage http://www.sensage.com/ предлагает единственное запатен тованное решение для создания хранилищ данных событий, под держивающее приложения управления журналами и аудитом со блюдения нормативных требований. Конкурентами в этом секторе являются ArcSight, Cisco Systems, RSA, Symantec.

Socrata http://www.socrata.com/ Socrata – ведущий разработчик и провайдер Open Data Services, разновидности облачных решений Web 2.0, предназначенных для органов государственной власти раз личных уровней. С их помощью федеральные, региональные мест ные органы самоуправления получают широкие возможности анали за общедоступной информации.

Splunk http://www.splunk.com Компания Splunk является разработ чиком одноименного программного продукта, предназначенного для интеллектуальной обработки машинных данных.

Sybase (поглощена SAP) www.sybase.ru Стопроцентное дочернее предприятие компании SAP America, США, дочернего предприятия компании SAP, Фирма производит базы данных в оперативной па мяти, кластеры с общим димком, базы данных для мобильных устройств, облачные вычисления, а также анализ информации в ре альном времени формирует динамические и анализ с прогнозирова нием.

TellApart http://tellapart.com/ Работает с данными электронной ком мерции компаний с целью выявления на рынке наиболее важных клиентов и предсказания потенциальных клиентов.

Vertica (поглощена НР) Компания занимается разработкой высоко производительной распределенной СУБД Vertica Analytic Database.

Аналитики отмечают, что технологии Vertica достаточно зрелые и ей удалось достичь большего успеха на рынке, чем непосредствен ным конкурентам – Infobright, Aster Data Systems и другим.

В IDC отмечают, что рынок Больших Данных взял столь значительный темп, поскольку крупные ИТ-компании и стартапы ведут здесь необычайно серьезную борьбу за клиентов и свою часть рынка.

Рынок Больших Данных интересен для всех игроков. И, если крупные поставщики СУБД работают над Большими Данными, развивая собственные продуктовые линейки, а также поглощая более мелкие компании, имеющие подобные решения, то с другой стороны на рынке активно выступают стар тапы. К настоящему моменту, по данным IDC, более $500 млн. венчурного капитала было инвестировано в развитие новых технологий Больших Дан ных.

Можно предположить, что на рынке облачных решений явление Боль ших Данных также спровоцирует высокую "слияния и поглощения" актив ность среди ИТ-компаний в 2012 и последующих годах. Такие компании как Infobright, Attivio, Quantivo, Kognitio и ParAccel являются потенциальными объектами покупки со стороны более крупных поставщиков [12].

Организация и обработка больших данных Образно говоря, Большие Данные обеспечивают формирование фор мально различимого образа (картины) на основе соединении воедино связан ных точечных элементов с помощью анализ огромного набора данных и воз вращения результирующего набора за короткое время. В такой постановке становится возможным проверять все веб-изображения на предмет совпаде ния к конкретными характеристиками лица, например, чтобы связать различ ные плохо определенные данные цифрового изображения, отфильтровать и создать подмножества данных для дополнительного анализа, с конкретными данными особенностями для идентификации террориста.

Это предполагает создание современных средств бизнес-аналитики на основе разработки корпоративного хранилища данных и поддерживающей технологии, которая анализирует данные - следовательно, в терминах анали тиков - помочь организациям успешно войти в эпоху обработки больших данных.

Поскольку объемы обрабатываемых данных настолько велики, что не могут оперативно проанализированы с использованием традиционных СУБД, появляются инновационные программные продукты, специально спроектированные для больших данных, представленных в различных фор мах, включающих текст, числа, образы и звук.

К настоящему времени сформировались два архитектурных направле ния для аналитики данных: RDBMS и MapReduce/Hadoop. На основе этих ар хитектур реализуются как полностью отдельные системы, так и различные инновационные гибридные комбинации, применяющие оба архитектурных подхода. Например, решение от Cisco-Oracle использует программное обес печение компании Cloudera, являющейся по признанию экспертов, лидером в предоставлении и поддержки инструментальных средств управления Hadoop.

Пакет Hadoop основан на парадигме map/reduce (отобразить/сократить).

Работа MapReduce состоит из двух шагов: Map и Reduce. На Map-шаге про исходит предварительная обработка входных данных. Для этого один из компьютеров (главный узел) получает входные данные задачи, разделяет их на части и передает другим компьютерам (рабочим узлам) для предваритель ной обработки.

На Reduce-шаге происходит свёртка предварительно обработанных данных и главный узел получает ответы от рабочих узлов, на основе которых формирует результат - решение, изначально сформулированной задачи.

Преимущество MapReduce заключается в том, что он позволяет рас пределено производить операции предварительной обработки и свертки.

Операции предварительной обработки работают независимо друг от друга и поэтому могут выполняться параллельно на различных процессорах.

Потребности предприятий в решениях обработки Больших данных Проблемами обработки Больших данных прежде всего озабочены предприятия, которые заинтересованы в надежных, коммерчески поддержи ваемых аппаратно-программных решениях для преодоления этой проблемы.

Сегодняшние нововведения по работе с Большими данными появляются в компаниях, использующих технологии Web 2.0 и производящих развиваю щиеся множества технологий с открытым кодом, которые изменили культуру совместной разработки программного обеспечения, а также масштабы и эко номику аппаратной инфраструктуры. Эти технологии позволяют обеспечи вать управление хранением данных и их анализ таким образом, который не был возможен с применением более дорогостоящих традиционных техноло гий, таких, как традиционные СУБД.

Одной из таких технологий является технология NoSQL, которая стала существенной частью обработки Больших данных и расширила диапазон их хранилищ. NoSQL базы данных образуют широкий класс нереляционных си стем управления базами данных, которые быстро развиваются, и ряд реше ний появляются с различными функциональными наборами и стандартами.

Оказывается, что не все инновационные технологии удовлетворяют требованиям корпоративных приложений и многие организации хотели бы надежного, испытанного корпоративного уровня для быстрого развертыва ния критически важных приложений.

Для обеспечения этих потребностей компании Cisco и Oracle начали сотрудничать в области разработки и поставки комплексных NoSQL решений корпоративного уровня. Предприятия не готовы нести расходы на развитие и поддержание решений по обработке Больших данных, которые опираются на большие коллективы разработчиков и ненадежное оборудование. Компании Cisco и Oracle обеспечивают комплексное программно-аппаратное решение потребностей в обработке Больших данных. Исключительная производи тельность, масштабируемость, доступность и управляемость стали возмож ными благодаря Cisco Unified Computing System (UCS) и Oracle NoSQL базы данных. Вместе с тем, эти решения предоставляют платформу для быстрого развертывания наиболее требовательных приложений с предсказуемыми производительностью и латентностью [13].

Ряд компаний практически одновременно объявили о скором выходе коробочного варианта решений Больших данных (Microsoft, IBM, Teradata, Oracle, SAP). Такие инструменты, по мнению PAC, будут поддерживать раз витие рынка Больших данных, а деятельность этих компаний будет способ ствовать внедрению проектов Больших данных и предоставлять новые воз можности даже для более консервативных или менее технически продвину тых компаний. Еще более важно, что появился новый класс предложений – «данные-как-услуга», от Google и других компаний. Это делает выход на ры нок Больших данных более простым.

В настоящее время разработан ряд аппаратно-программных комплек сов, предоставляющих законченные решения для обработки Больших данных - Aster MapReduce appliance (корпорации Teradata)[14], Oracle Big Data appliance [15], Greenplum appliance (корпорации EMC, имеющей подразделе ние в России и, в частности, в Санкт-Петербурге). Эти комплексы поставля ются как готовые к установке в ЦОД, содержащие кластер серверов и соот ветствующее программное обеспечение для параллельной обработки.

Аппаратное решения для выполнения анализа Больших данных в опе ративной памяти, предлагается в рамках аппаратно-программного комплекса SAP HANA [17]. Их иногда относят к решениям из области проблематики Больших данных, несмотря на то, что такая обработка изначально не являет ся параллельной, а объемы оперативной памяти одного узла ограничиваются несколькими терабайтами.

К решениям для больших данных можно также отнести аппаратно программные комплексы на основе традиционных РСУБД - Netezza, Teradata, Exadata как обеспечивающие эффективную обработку экзабайтов структури рованной информации при решении задачи быстрого поиска и анализа боль ших объемов структурированных данных.

Аппаратные решения DAS (Direct-attached storage) — СХД, непосред ственно соединённые с узлами - в условиях независимости узлов обработки в системной сетевой архитектуре иногда относят к технологиям Больших дан ных. С появлением концепции Больших данных связывают всплеск интереса к DAS-решениям в начале 2010-х годов после вытеснения их в 2000-е годы сетевыми решениями классов NAS и SAN.

Компания Hitachi Data Systems предлагает два специализированных программно-аппаратных комплекса для решения таких задач: Hitachi Content Platform (HCP) — платформа для хранения контента, предназначенная для хранения и управления большими объемами неструктурированных данных;

Hitachi Network Attached Storage (HNAS) [18] — решение для обеспечения файлового доступа к данным, которое позволяет хранить и управлять боль шим количеством файлов.

Мониторинг деятельности российских предприятий и российского рынка технологий обработки Больших Данных Как отмечалось выше, согласно прогнозу IDC [9], вышедшему в марте 2012 года, рынок технологий и сервисов для обработки Больших данных вы растет с $3,2 млрд. в 2010 году до $16,9 млрд. в 2015 году. Это соответствует среднегодовому темпу роста на уровне 40%, что примерно в 7 раз больше, чем среднегодовой темп роста всего ИКТ рынка в целом.

Говоря о российском рынке, следует отметить, что анализ Больших данных, как правило, сопровождается созданием хранилищ данных, без наличия которых трудно представить себе накопление, хранение и организа цию эффективного доступа к данным. Ориентируясь на данные аналитиче ских компаний, объем рынка хранилищ данных составляет 200-400 млн. дол ларов и растет ежегодно примерно на 30-40%, что значительно превышает темпы роста мировых показателей. Это свидетельствует о том, что россий ский рынок является одним из самых динамичных в своем развитии храни лищ данных и аналитики Больших данных – инструментов технологий (ме тодов и средств) сбора сведений, консолидации информации и обеспечения доступа к ней бизнес-пользователей.

Потребности российских компаний на решения в области Больших данных связаны с тем, что текущие вычислительные ресурсы уже не удовле творяют решению задач бизнеса либо стоимость владения существующими системами становится очень высокой по мере накопления данных. Кроме то го, многие компании сегодня разворачивают проекты по централизации сво их информационных ресурсов, чему способствует, в частности, широкое рас пространение широкополосного Интернета, однако это требует изменения архитектуры инфраструктурных решений. К тому же, ряд российских компа ний в настоящее время проводит замену устаревшего оборудования, и выбор в пользу технологий Больших Данных может стать очень привлекательной альтернативой традиционным решениям.

Несмотря на то, что российские компании и организации при внедре нии ИТ в целом повторяют путь западных (с задержкой от пяти до семи лет), отличия решениях по работе с Большими данными все-таки имеются. Отече ственная специфика состоит в том, что российские компании практически ничего не внедряют и не покупают без длительного тестирования и проверки на практике обещаний производителей, причем процесс внедрения новых решений нередко затягивается из-за проведения сравнений нескольких их ва риантов. Это связано с тем, что на Западе поставщики часто предоставляют свои решения на условиях лизинга и многие западные заказчики этим поль зуются, заменяя системы по ходу смены поколений и версий, сокращая, та ким образом, капитальные вложения. В России же системы, как правило, приобретаются в собственность и ставятся на баланс, поэтому единовремен ные вложения выше, что вынуждает очень ответственно подходить к выбору приобретаемых решений.

Во-вторых, по мнению аналитиков, маркетинг, особенно социальный, направленный на сбор и обработку информации о клиентах, становится на Западе основным двигателем всех изменений в ИТ, вплоть до того, что бюд жет маркетинговых подразделений превышает бюджет ИТ, однако в России такая ориентированность на клиента находится в стадии становления.

Кроме этого, проекты внедрения решений для Больших данных обна жают проблему взаимодействия ИТ и бизнеса — инициаторами таких проек тов уже в принципе не могут быть подразделения ИТ. Используемые техно логии являются сложными, а задачи очень глубоко интегрированы со страте гическими целями бизнеса, поэтому выполнение таких проектов требует тес ной работы бизнес-подразделений и корпоративных ИТ-специалистов, но да леко не у всех российских компаний и организаций такое взаимодействие налажено. Здесь появляется место для системного интегратора.

Компания IBS одной из первых в России стала выполнять проекты, связанные с Большими данными, в частности для Федеральной налоговой службы и Федерального казначейства, используя для этой цели решения Oracle — линейки «экзасистем» (Exadata, Exalytic, Exalogic и Oracle Database Appliance), IBM Netezza и Teradata. Технологии от Teradata и Netezza приме няются для решения аналитических задач, а технологии Exadata эффективны при работе со смешанной — транзакционной и аналитической — нагрузкой.

Одна из ключевых задач ФНС на сегодняшний день — сбор и консоли дация всей информации из регионов при заданных временных и ресурсных ограничениях. Благодаря решениям из спектра технологий Больших данных была создана система, способная удовлетворить запросы этого ведомства. В результате ФНС успешно решает задачу сбора налогов, предоставления от четности, выявления невыплат и обнаружения фактов мошенничества. В проекте для ФНС используются сразу две платформы: Teradata и Oracle Exadata. Первая отвечает за решение блока аналитических задач, а Exadata отвечает за консолидацию баз данных Oracle, используемых различными транзакционными приложениями, работающими в ведомстве.

В рамках проекта для Федерального казначейства была выполнена ми грация существующей информационно-аналитической системы на решение Oracle Exadata. В итоге, помимо значительного улучшения производительно сти, заказчик получил возможность формировать отчеты и готовить провер ки, которые раньше вообще были невозможны. К тому же, благодаря сжатию данных на 50% была достигнута экономия ресурсов, что естественным обра зом сказалось на снижении стоимости владения.

Российский рынок бизнес-аналитики – один из немногих секторов ИТ, в котором главную роль играют отечественные разработки. Аналитики и участники рынка сходятся на том, что одной из причин могут быть мини мальные потребности, которые характерны первому этапу становления. Се годня большинство проектов посвящено формированию отчетности. Однако пользователи неизбежно придут к необходимости использовать анализ в опе рационной деятельности, функционал отечественных инструментов будет развиваться, и, возможно, отечественные разработки сохранят первенство.

Начавшееся распространение обработки Больших данных не означает, что российский бизнес не использует передовые решения. Лидеры рынка из финансового, телекоммуникационного секторов, энергетики приступили к внедрению «активных» хранилищ данных, которые позволят анализировать ситуацию в режиме онлайн и принимать почти мгновенные решения.

По мнению Дмитрия Лисогора, заместителя генерального директора SAP СНГ, руководителя департамента по бизнес-аналитики и технологиям, с точки зрения доступности технологий Россия находится в равном положении с другими странами: решения, которые предлагаются в других странах, пред лагаются и России. А вот с точки зрения проникновения технологий все определяется потребностями. Западные компании накопили больший объем структурированных данных и больший опыт их применения. При работе с социальными сетями, видео и прочими неструктурированными данными мы имеем дело с теми же задачами, что и весь остальной мир. Дмитрий Лисогор считает, что «здесь отставание России будет существенно меньше. Может быть, объемы данных будут не те, но скорость и многообразие использования будут на уровне».

Сейчас с платформой SAP HANA, основанной на обработке данных в оперативной памяти, уже работают несколько заказчиков. В «Сургутнефтега зе» система находится в продуктивной эксплуатации с ноября 2011 года: в SAP HANA пользователи увидели для себя большие перспективы. Первый сценарий, который они освоили, — это оптимизация закупок для снабжения своих удаленных объектов по большому числу номенклатурных позиций. Ра ботая в традиционном аналитическом хранилище, они отставали с планиро ванием на несколько дней, а с помощью SAP HANA получают все данные в реальном времени.

Другой проект стартовал в январе и завершается в апреле;

там SAP HANA используется для ускорения работы хранилища SAP BW. При этом заказчик сохраняет свои инвестиции в настройку моделей и отчетов в храни лище, но получает значительный прирост с точки зрения производительно сти.

В лаборатории SAP в Сколково проекту HANA уделяется большое внимание. Планируется изучить возможности использования SAP HANA для решения прикладных задач и в качестве платформы для различных иннова ционных разработок. В числе наиболее важных тем, которые будут там про рабатываться, — аналитика и высокоскоростная обработка данных.

По мнению Дмитрия Лисогора, «добывающие компании проявляют по вышенный интерес к технологиям обработки Больших данных, но скорее за счет того, что эта отрасль вообще превалирует в нашей экономике». В России многие крупные предприятия выделяют средства на развитие инноваций, а госструктуры с недавних пор просто обязаны это делать. На днях было объ явлено о создании фонда «Сколтех», в который все госкомпании будут от числять 1% своего инновационного бюджета.

В марте 2012 года SAP представила в России решение на основе SAP HANA для малого и среднего бизнеса. Руководство SAP считает, что пред ложение SAP HANA Edge, которое идет в комплексе с аналитикой, будет востребовано для небольших организаций. «Ведь и не очень крупный бизнес может работать с Большими Данными. Мы рассчитываем, что первый заказ чик из сегмента SMB появится у нас уже в ближайшие недели».

По мнению экспертов, технологии Больших данных сейчас набирают вес, и пока нет достаточного опыта, чтобы делать долгосрочные прогнозы. В настоящее время поставщики решений всячески пытаются разогревать этот рынок и, по всей вероятности, в ближайшие год-два будут преобладать пи лотные проекты, которые позволят подтвердить или опровергнуть возмож ность получения конкурентных преимуществ, получаемых от анализа Боль ших данных. В нашей стране первыми технологии Больших данных адапти руют и внедряют обычно те компании, которые расходуют свой ИТ-бюджет на инновационные составляющие, и, в этой связи, именно эти компании спо собны чутко улавливать тенденции рынка и быстро меняться. К такому сег менту относится телеком, банковская сфера и госсектор. В организациях те лекома это может быть все, что связано с анализом абонентской базы. Оче видно, что если банки пожелают опробовать действенность аналитики Боль ших данных, то для создания прототипа больших инвестиций не потребуется — все можно сделать на базе СПО и свободно распространяемого программ ного обеспечения Map/Reduce Hadoop и даже на основе СХД, а с использова нием серверов и обычных рабочих станций. Примером такого подхода явля ется украинский ПриватБанк, который является клиентом Компании SAS Россия/СНГ.

При анализе рынка России уже упоминались предприятия госсектора, и масштаб внедрения аналитики Больших данных в разнообразных сферах его деятельности целиком и полностью определяется востребованностью гос структур в получении аналитических сведений.

По мнению привлеченных экспертов, в качестве примеров других практических задач, при решении которых в России может возникнуть про блема Больших данных, можно назвать моделирование управления рисками, борьбу с «отмыванием денег», повышение эффективности борьбы право охранительных органов с коррупцией, анализ трендов и прогнозирование в финансовом секторе;

анализ обращений, веб-аналитику (в том числе в соци альных сетях), анализ рекламы, анализ изображений в средствах массовой информации и интернет-контента;

анализ поведения заказчиков и анализ продаж товаров и услуг, в том числе через Интернет;

защиту от мошенниче ских действий в онлайн-играх;

различные задачи сферы национальной без опасности;

генетические исследования в фармацевтике, а также исследования в широких областях науки и образования. Прогнозируется, что внедрение технологий Больших данных наибольшее влияние окажет на информацион ные технологии в производстве, здравоохранении, торговле, государствен ном управлении, а также в сферах и отраслях, где фиксируются индивиду альные перемещения.

К числу социально-экономических последствий применения обработки Больших данных можно отнести повышение качества и персонификации услуг в различных сферах деятельности. Большие данные повсюду: в любой отрасли и сфере деятельности, в любой организации. Эта тема становится ак туальна для руководителей в любом секторе. Профессиональный анализ зе табайт структурированных и неструктурированных данных - из операцион ных систем, мобильных телефонов, Twitter, Facebook и других социальных сетей и источников данных, - поможет уменьшить затраты и улучшить взаи модействие с заказчиками. Компании, извлекающие информацию о внутрен них закономерностях смогут ускорить и синхронизировать поставки, повы сить эффективность и качество принятия решений, получат ответы на значи мые для бизнеса вопросы и первыми выйдут на рынок с инновационными продуктами.

Выводы Разработанная в настоящем разделе организация системы мони 1.

торинга технологического развития по выбранному приоритетному направ лению «Информационно-телекоммуникационные системы» обеспечивает информационную поддержку процессов принятия решения или прогнозиро вание актуальной информации о текущем состоянии в области разработки и внедрения новых технологий, вывода новых продуктов и услуг на рынок, а также формирование эффективных процедур принятия решений по управле нию федеральными целевыми программами развития в сфере информацион но-телекоммуникационных технологий.

2. Полученные в процессе выполнения мониторинга сектора ИТКС ре зультаты будут способствовать: выявлению и учету тенденций в мировой и отечественной науке, промышленности и социально-политической области;

оценке влияния выявленных тенденций на результативность процесса фор мирования инновационного производства в Российской Федерации;

инфор мационному обеспечению исследователей и разработчиков, по приоритетно му направлению «Информационно-телекоммуникационные системы» и свя занным с ним сферам деятельности.

3. Действенность и работоспособность программы мониторинга под тверждена проведением пробных исследований, которые показали, что со зданная система мониторинга позволяет при проведении форсайтов учиты вать основные мировые и российские тенденции развития сектора ИТКС 2 Организация взаимодействия с различными категориями экс пертов, включая: поддержку участия экспертов в разработке прогнозов научно-технологического развития и дорожных карт;

формирование на базе вузов постоянно действующих коммуникационных площадок с уча стием различных категорий экспертов: представителей органов управ ления, ведущих НИИ и вузов, крупных компаний, бизнес-ассоциаций, технологических платформ;

проведение экспертных исследований 2.1 Организация взаимодействия с различными категориями экс пертов, включая: поддержку участия экспертов в разработке прогнозов научно-технологического развития и дорожных карт;


проведение экс пертных исследований 2.1.1 Общее описание проведенных исследований В ходе третьего этапа работы для проведения экспертных исследований была впервые применена сеть отраслевых центров прогнозирования, создан ная в ходе ее предыдущих этапов. Исследования проводились, в том числе, в интересах составления ДК для НПП (см. Главу 3).

Экспертные исследования проводились в пять этапов:

1. Определение перечня инновационных трендов и продуктов.

2. Уточнение перечня инновационных трендов и продуктов на основе консенсуса «ближнего круга» экспертов – экспертов, непосредственно работающих в отраслевых центрах прогнозирования или работающих совместно с экспертами отраслевых центров прогнозирования.

3. Детальное описание инновационных трендов и продуктов.

4. Анкетирование широких групп экспертов.

5. Окончательное формулирование ключевых тенденций на основании экспертного опроса.

Определение перечня инновационных трендов и продуктов осуществ лялось совместно специалистами форсайт-центров НИУ ИТМО и ВШЭ. Оно проводилось на основе анализа выводов наиболее представительных зару бежных форсайтов, а также форсайтов, проведенных в России. Еще одним источником для составления перечня послужили мнения экспертов, выска занные в ходе проводившихся конференций и семинаров, в которых приняли участие сотрудники форсайт-центра НИУ ИТМО (см. раздел 2.2). На этом этапе было сформулировано 45 трендов (Приложение Д).

На втором этапе было проведено обсуждение трендов и уточнение их формулировок. На этом этапе из 45 было отобрано 27 трендов. Эта работа проводилась исполнителями настоящей НИР, а также руководителями отрас левых центров Пищиком Б. Н. и Вейсовым Е. А. с привлечением сотрудни ков университетов.

2.1.2 Проведение экспертных исследований Детальное описание инновационных трендов и продуктов осуществля лось экспертами отраслевых центров на основе созданной системы монито ринга научно-технологического развития секторов ПН ИТКС (см. главу 1), к чему по возможности привлекались специалисты, которые непосредственно работают по данной тематике.

Создание виртуальных офисов без снижения эффективности коллективной деятельности компаний, предприятий и др.

В постиндустриальном обществе большое место занимает умственный труд, особенно в сфере коммуникационных услуг. Его невозможно оценить и сложно контролировать, поэтому в последнее время организации всех типов переходят на проектный подход, когда оплачивается не рабочее время, про веденное с большей или меньшей пользой под чьим-то контролем, а конеч ный результат деятельности работника. Наряду с бурным развитием средств коммуникации, это приводит к переходу к виртуальным офисам.

Развитие виртуальных офисов может привести к ряду сложных и про тиворечивых социально-экономических процессов:

Важнейшим следствием может стать уменьшение пассажиропо тока, особенно в «часы пик». Это повлечёт уменьшение нагрузки на транс портную инфраструктуру и улучшение экологической обстановки крупных городов.

Улучшению экологической обстановки также будет способство вать увеличению дистанции между местом проживания и местом работы, что будет способствовать миграции части рабочей силы в мелкие города и сель ские районы.

Будет расти интеррегиональность и интернациональность при влечения рабочей силы, что повысит конкуренцию на рынке рабочей силы и снизит расходы на оплату труда, что даст возможность снизить накладные расходы на производимую продукцию.

Повысится качество жизни работников в связи с работой в более комфортной, домашней атмосфере, и исключению времени на ежедневное перемещение до работы и обратно.

Вместе с тем, развитие виртуальных офисов связано с определёнными рисками и социальными ограничениями – сопротивлением руководства и ра ботников данному процессу, возможное падение производительности труда, возможное снижение социальной защищённости и т. п.

2 Переход к экономике, основанной на знаниях Для экономики, основанной на знаниях, характерно[20]:

•Превращение знания в важнейший фактор производства, наряду с природными ресурсами, трудом и капиталом.

•Увеличение доли сферы услуг в экономике и опережающий рост зна ние-емких услуг для бизнеса.

•Рост значения человеческого капитала, увеличение инвестиций в об разование и подготовку кадров.

•Развитие и широкомасштабное использование новых ИКТ.

•Превращение инноваций в решающий источник интенсификации эко номического роста и конкурентоспособности предприятий, регионов и наци ональных экономик.

•Рост осознания в политических и деловых кругах важности знания и инноваций для обеспечения конкурентоспособности и экономического роста.

3 Смещение центров разработки, компетенций и производства за пределы развитых стран Сущность тренда – в бурном росте экономик «новых» стран – Китая, Индии и других. В 2011 году рост ИКТ-рынка в странах BRIC, по усреднен ной оценке различных агентств, слегка превысил 13%, а объем ИКТ-рынка всех четырех стран вплотную приблизился к полу триллиону евро (€497, млрд.)[21]. Особые перспективы возникают у Китая, который планирует пре вратиться в «IT-сверхдержаву» за счёт государственной поддержки высоких технологий. Объем рынка ИКТ в этой стране достиг €204 млрд. долларов, при его росте в 2011 году, равном 11%.

В России при таком же росте ИКТ-рынка в 2011 году его объём соста вил лишь €57 млрд.

Вместе с тем, бурному росту экономик развивающихся стран препят ствует миграция квалифицированной рабочей силы в страны с высоким каче ством жизни. С этим связано большое количество глобальных рисков, спо собных замедлить или остановить рост экономики развивающихся стран, что также возможно вследствие противодействия нынешних лидеров индустрии.

4 Использование более экономичных и гибких моделей ИТ инфраструктуры: инфраструктуры внешнего удаленного размещения (облачные технологии) и инфраструктуры, предоставляемые по требо ванию По прогнозу, составленному исследовательской компанией Gartner, рынок облачных технологий в 2012 году может возрасти не менее чем на процентов, тогда как общая стоимость отрасли может приблизиться к млрд. долларов.

Широкое внедрение облачных технологий и инфраструктур, предо ставляемых по требованию, может иметь следующие последствия:

Появление нового рынка – рынка инфраструктуры внешнего уда ленного размещения и перераспределение в его пользу и в пользу страны, где будет размещаться подобная инфраструктура, значительной части IT расходов.

Вместо большого количества IT-специалистов с низким уровнем подготовки, работающих в каждой компании, инфраструктуру будет обслу живать небольшое количество высококлассных специалистов, работающих в специализированных компаниях.

Возникнет целый ряд технических и законодательных проблем, связанных с безопасностью информации.

Форс-мажорные обстоятельства, ограничивающие или исключа ющие доступ к подобным ресурсам, станут дополнительным фактором риска.

5 Рост роли ИКТ в обеспечении деятельности государственного и муниципального управления По итогам 2011 года Россия заняла 27 место в мире в рейтинге ООН по развитию электронного правительства. Большое значение для решения этой задачи имеет политика лицензирования ПО, закупаемого для этих нужд.

В связи с развитием технологий обеспечения деятельности государ ственного и муниципального управления особое значение представляет ре шение проблем безопасности, обеспечивающих предотвращение сбоев в ра боте ПО, вызванных естественными причинами, и защиту его от несанкцио нированного доступа и атак злонамеренных групп – вандалов, террористов, иностранных государств. Это потребует развития системных мер безопасно сти на государственном уровне, углубления международного взаимодей ствия, принятия соответствующих законодательных норм (например, уже сточения наказания за подобные деяния [22]).

6 Развитие рынка мобильных и социальных приложений, игр с высоким коммерческим потенциалом В настоящее время происходит активное смещение пользования интер нет-сервисами от стационарных к мобильным устройствам. Так, в 2011 году не менее трети из постоянных пользователей социальной сети Facebook (об щая аудитория сети — свыше 600 млн. человек) для общения использовали приложения, установленные на мобильных носителях;

50% из аудитории Twitter (общая аудитория — 165 млн. чел) также использовали мобильные носители;

количество просмотров видео-контента сервиса YouTube состави ло 200 млн. Социальными сетями пользовались не менее 30% всех владель цев смартфонов [23].

Развитие рынка мобильных и социальных приложений, игр с высоким коммерческим потенциалом будет способствовать развитию нового рынка товаров и услуг в области ИТ, а также принципиально новому уровню внед рения сетевых технологий в повседневную жизнь граждан.

7 Существенный рост негативного воздействия отрасли ИКТ на окружающую среду Увеличение доли ИКТ в общем промышленном производстве повысит значимость создания экологичных ИТ-устройств. Это включает, например, управление жизненным циклом ИТ-изделий, использование тепла дата центров для выработки энергии и т. д.

Отчасти существенному росту негативного воздействия отрасли ИКТ на окружающую среду будет противостоять внедрение зеленого ИКТ и пере ход от потребления товаров к потреблению контента. Для России это откры вает два возможных пути – ориентацию на зеленые технологии и ориентацию на менее экологичные, но менее затратные технологии.

8 Расширение возможностей применения ИКТ в интересах охраны окружающей среды и снижения негативного воздействия промышлен ного производства на природу Расширение возможностей применения ИКТ включает в себя две со ставляющие – изучение и контроль процессов, происходящих в окружающей среде, и внедрение «зелёного ИКТ», способствующего уменьшению нагрузки на окружающую среду промышленного производства и бытовой деятельно сти.


Понимание процессов, происходящих в окружающей среде, позволит более эффективно её защищать. Развитие ИКТ предоставляет наукам о Земле возможности для накопления принципиально новых знаний и их практиче ского применения. Например, в интересах развития наук о Земле (география, геология, метеорология, океанология и пр.) ИКТ могут быть использованы для:

Создания сетей распределённых датчиков для контроля и изуче 1) ния различных сред – почвы, космоса, атмосферы, океана и водоёмов.

Моделирования сложных процессов, происходящих в окружаю 2) щей среде;

объединения различных моделей в единую модель окружающего пространства.

Создания систем управления экологическими рисками и монито 3) ринга природных и техногенных катастроф.

«Зелёный ИКТ» ориентирован, прежде всего, на ресурсосбережение благодаря широкому внедрению смарт-гридов, эффективному использова нию энергии на месте (концепция «зелёного дома» - дома, почти не потреб ляющего энергии извне), рациональному использованию топлива и логисти ке. Охране природы также будет способствовать управление экологическими рисками и управление жизненным циклом изделия на основе моделирования.

Кроме того, переход от потребления товаров к потреблению контента также снизит нагрузку на окружающую среду.

9 Рост влияния ИКТ на социальные процессы в обществе, куль турное и психическое развитие человека. Появление новых форм социа лизации и социального взаимодействия Рост влияния ИКТ на социальные процессы в обществе, культурное и психическое развитие человека и появление новых форм социализации и со циального взаимодействия связан с опасностью десоциализации значитель ной части трудоспособного населения, что может оказать существенное вли яние на численность населения, занятого в экономике, как вследствие сниже ния доли населения занятого на производстве, так и вследствие снижения рождаемости. Это требует создания новых форм психологической и социаль ной помощи для граждан, а также принятие законодательных и технических мер против деструктивных форм социализации (организованных беспоряд ков, «твиттерных революций», групп с тоталитарным мышлением и т. п.).

Превращение ИКТ в значимый фактор повышения качества жизни людей с ограниченными возможностями и с ограничениями в их деятельности Внедрение ИКТ предоставляет следующие возможности:

• Внедрение виртуальных офисов снимает ограничения на ряд профессий для людей с затруднениями передвижения.

• Внедрение телеметрического сестринского и врачебного ухода позволит обеспечить оказание медицинской и сестринской помощи на уровне больницы.

• Совершенствование логистических систем обеспечит доставку лекарств и прочих необходимых товаров инвалидам в отдалённые местности.

• Технологии дополнительной реальности позволят инвалидам полнее участвовать в жизни общества, меньше чувствовать ограничения в передвижении.

11 Вовлечение граждан в управление Вовлечение граждан в управление (citizen dashboards, e-democracy) тес но взаимосвязано с другими трендами и может иметь следующие послед ствия:

Изменение классической системы госуправления, отказ от пред ставительной демократии.

Повышение взаимной ответственности государства и граждан.

Повышение социальной активности отдельных группировок (диктатура социально-активных групп, угроза возникновения новых форм манипуляции обществом).

12 Усиление контроля над информацией, распространяемой в сети Интернет Сущность контроля за информацией, распространяемой в сети Интер нет, состоит в усилении национального контроля над международными ре сурсами и ограничение доступа к Интернет-ресурсам с помощью техниче ских средств (публичный Wi-Fi, прокси, системы альтернативной маршрути зации). Все государства будут стремится к тому, чтобы национальные огра ничения на контент в полной мере касались и сетевых ресурсов. Так, чет верть из двадцати наиболее популярных сайтов Рунета являются глобальны ми (американскими) сервисами и их доля растет на протяжении всех послед них лет. YouTube занял монопольное положение среди видеохостингов в Ру нете. При этом политика сервиса в части модерирования контента вызывает сомнения в его политической нейтральности [24].

Усиление контроля за информацией, распространяемой в сети Интер нет, будет иметь долгосрочный характер, т. к. появление новых форм кон троля связано и с появлением новых форм противодействия этому.

13 Работа со сверхбольшими данными – сокращение отставания темпов роста методов и средств обработки и анализа информации от темпов роста объемов информации Работа со сверхбольшими данными (Big Data) включает в себя развитие нереляционных СУБД, создание и внедрение новых систем распределенных вычислений, новых аппаратно-программных комплексов. Вместе с тем, реа лизации этой тенденции препятствует значительный дефицит кадров, рабо тающих в этой области.

14 Развитие мультиязычных и мультимодальных систем извлече ния и формализации знаний Развитие мультиязычных (инвариантных к естественным языкам) и мультимодальных (инвариантных к типу контента: текста, графики, видео) систем извлечения и формализации знаний заключается в создании эффек тивных систем коммуникации между носителями различных языков, нацио нальных культур и субкультур, а также более эффективных систем поиска информации.

Движение в этом направлении позволит наладить диалог с носителями других культур за счет развития систем перевода и систем поддержки пони мания культурных кодов, что имеет большое значение в продвижении циви лизационных идей и позиций по актуальным политическим вопросам в мире.

15 Эволюция Интернета Семантическая паутина (Semantic Web)– это метод представления ин формации в Интернете в виде, удобном для машинной обработки. Реализуе мость и целесообразность данной концепции в настоящее время подвергается сомнениям.

Интернет вещей (Internet of things) – это процесс информатизации раз личных предметов и включение их в единую сеть сетей. Наступление эры «интернета вещей» можно отнести к 2010 году, когда количество подклю ченных к сети устройств превысило население земного шара (в 2010 на одно го человека приходилось 1,84 таких устройства)[25].

Главнейшие результаты развития этой группы технологий связанны с тем, что они имеют непосредственное военно-прикладное значение. Более того, внедрение данных концепций (объединённых общим названием Net work Warfare – сетеценртические войны) в военное дело идет опережающими темпами, что, в целом, нехарактерно для современной индустрии коммерче ски-ориентированных технологий.

Семантическая паутина и интернет вещей будут играть большую роль при выработке политики государств и корпораций благодаря качественно но вому уровню контроля над массовым сознанием благодаря усилению про никновения сетевых технологий во все стороны повседневной жизни и про мышленного производства, уменьшения роли человека в логистике и других видах оперативного планирования.

Повысится зависимость общества от сетей, что увеличит актуальность сетевой безопасности и устойчивости к форс-мажорам.

16 Моделирование человеческого интеллекта, когнитивные модели сознания и поведения Моделирование человеческого интеллекта, когнитивные модели созна ния и поведения представляют собой создание систем поддержки принятии решений. Является базовым для развития робототехники и систем анализа данных и позволяет снизить занятость людей в структурах принятие реше ний. Эта тенденция является долгосрочной, ее актуальность сохранится на весь рассматриваемый период и представляет собой одно из ключевых направлений развития искусственного интеллекта.

17 Сети, реализующие новые принципы организации, в том числе:

когнитивные, гибридные, адаптивные Внедрение сетей, реализующих новые принципы организации, повы шает гибкость и устойчивость сетевых инфраструктур и продолжает эволю ционное развитие сетевого обеспечения с учетом развития технологических и организационных принципов.

Внедрение подобных сетей может иметь следующие последствия:

Экономию на сетевой инфраструктуре за счет автоматической подстройки параметров сети под задачи пользователей.

Конвергенцию сетевых инфраструктур и ресурсов различной фи зической природы в единую систему.

18 Технологии дополненной реальности В отчете аналитической компании Semico «Augmented Reality: Envision a More Intelligent World» прогнозируется рост мирового рынка технологий дополненной реальности до $600 млрд. в 2016 году. По оценке Semico, уже к 2014 году более 864 млн. мобильных аппаратов ценового диапазона выше среднего будут работать с элементами AR, к 2020 году в мире 103 млн. авто мобилей будут использовать технологии AR[26].

Внедрение технологии дополненной реальности представляет собой очередной «старт с нуля» в гонке устройств, сервисов и приложений, что способно вызвать изменение ключевых игроков ИТ-рынка и открывает окна возможностей перед корпорациями и странами. В свою очередь это может усилить проникновение сетевых технологий в повседневную жизнь людей, изменит рынок рекламы и упростит путешествие в незнакомые местности, а, следовательно, в еще большей степени усилит влияние облачных технологий и мобильных приложений.

19 Технологии краудсорсинга Краудсорсинг представляет собой решение сложных интеллектуальных задач за умеренную плату или бесплатно с привлечением лучших идей, неза висимо от национальных границ, анкетных данных и места работы участни ков и может дать развитие широкому кругу социально-значимых сетевых проектов. Так, таким методом создан самый популярный в мире справочный ресурс– Википедия, имеющий более 23 млн. статей.

Однако таким проектам свойственен ряд рисков, снижающих качество конечного продукта, так как выбор отдельных идей модератором способен уменьшить вероятность внедрения действительно оригинальных идей.

20 Новые принципы организации вычислений, создания вычисли тельных архитектур, построенных на новых парадигмах Внедрение новых принципов организации вычислений, создания вы числительных архитектур, построенных на новых парадигмах, в том числе:

нейро-, био-, оптических, квантовых, самосинхронизации, рекуррентности определяет развитие всей отрасли ИКТ в целом и связан с необходимостью развития фундаментальных исследований, хотя и имеет большую степень риска и неопределенности. Несмотря на это, внедрение подобных технологий может дать большой экономический выигрыш. Так, максимальная тактовая частота оптического компьютера может составлять 1012-1014 Гц, что на 3- порядков выше существующих электронных аналогов.

21 Предсказательное моделирование сложных систем и объектов и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени Предсказательное моделирование сложных систем и объектов (биоло гических, физических, технических, социально-экономических, политиче ских, транспортных и др.) и разработка сложных моделей прогнозирования в различных областях на основе обработки данных, поступающих в реальном режиме времени, позволит вывести на новый уровень понимание целого ряда научных дисциплин, связанных с моделированием сложных процессов (про цессы в различных сферах Земли, сложные физические процессы, процессы в обществе, логистические проблемы и т. п.). Однако разработка этих техноло гий потребует привлечения большого количества высококлассных специали стов, способных решать слабо формализованные задачи, а также вызовет необходимость переориентации профильных ученых на постановку подоб ных задач.

22 Перспективные языки и системы программирования, реализу ющие новые парадигмы Создание перспективных языков и систем программирования, реали зующих новые парадигмы, в том числе: программирования без программи ста, предметно-ориентированных, программирования на естественном языке, автоматического анализа, проверки достоверности, распараллеливания, ин версии, композиции и вывода новых программ, является устойчивым направ лением эволюционного развития ИКТ-технологий и стимулируется потреб ностями новых областей применения ИКТ, дефицитом квалифицированных кадров для разработки системного программного обеспечения и возможно стями синтеза различных подходов к этому кругу проблем с применением когнитивных методов.

Результаты реализации перспективных языков и систем программиро вания, реализующих новые парадигмы, обеспечивает:

Рост квалификации и производительности труда разработчиков информационных систем.

Совершенствование адаптивных пользовательских интерфейсов.

Широкое применение программного инструментария в задачах инженерии знаний.

23 Системы машинного обучения (Machine Learning), основанных на новых методах и алгоритмах Создание систем машинного обучения (Machine Learning), основанных на новых методах и алгоритмах связано с решением сложных, слабо форма лизованных задач и тесно связано с теми трендами, которые относятся к бо лее тесному внедрению ИКТ в повседневную жизнь.

Негативной стороной создания систем машинного обучения является снижение уровня понимания специалистами логики и принципов работы ма шин.

24 Новые принципы биометрической идентификации, обработки, интеграции и анализа мультимодальных биометрических данных Внедрение новых принципов биометрической идентификации, обра ботки, интеграции и анализа мультимодальных биометрических данных при ведёт к появлению широкого круга объектов патентования и объектов интел лектуальной собственности в этой области.

25 Разработка компактных источников энергии для долговремен ного (месяцы) питания цифровых устройств массового применения Разработка компактных источников энергии для долговременного пи тания цифровых устройств массового применения позволит охватить сетью автономных датчиков обширные области, что важно как для телеметрическо го контроля за происходящими там процессами, так и для их охвата в соот ветствии с концепцией «интернета вещей (например, для организации вирту альных экскурсий на места событий, упомянутых в лентах новостных агентств).

26 Создание компонентов и устройств, существенно снижающих воздействие на здоровье человека Создание компонентов и устройств, существенно снижающих воздей ствие на здоровье человека технических устройств и ИКТ-технологий направленно на прогнозирование и обнаружение новых угроз здоровью в сфере применения ИКТ с последующей разработкой средств устранения или компенсации этих угроз.

27 Новые интерфейсы Появление новых интерфейсов (тактильных сенсоров, 3D – принтеров, включая bioprinting, встроенных интеллектуальных систем, интерфейсов «мозг – компьютер», аппаратных средств круглосуточного мониторинга важ нейших физиологических параметров человека) вызовет принципиально но вый уровень интеграции сетевых технологий в повседневную жизнь и будет иметь важное значение для превентивной медицины и здорового образа жиз ни.

Специалисты отраслевых центров прогнозирования осуществили опи сание инновационных технологических направлений, продуктов и ключевых технологий. После выбора ключевых трендов планируется определить соот ветствующие им направления и продукты. Анкетирование экспертов по во просу актуальности направлений и продуктов предполагается провести на этапе НИР.

В Таблице 6 приведено описание инновационных технологических направлений, подготовленное специалистами отраслевых центров прогнози рования.

В Таблице 7 приведено описание инновационных продуктов, подготов ленное специалистами отраслевых центров прогнозирования.

Таблица 6 – Описание инновационных технологических направлений Инновационные технологические Перечень ключевых характеристик, Наименование Преимущества Недостатки направления № определяющих их рыночную альтернативных альтернативных альтернативных востребованность технологических технологических технологических направлений направлений направлений Устройства в концепции «Интернет С развитием Интернета вещей все Беспроводные Готовые решения на отсутствие единых 1.

больше предметов будут подключаться к сенсорные сети стандартов вещей» рынке.

глобальной сети, тем самым создавая новые возможности в сфере RFID трудоемкая безопасности, аналитики и управления, интеграция в открывая все новые и более широкие существующие перспективы и способствуя повышению системы качества жизни населения.

отсутствие автономности отдельных элементов Общедоступные системы Качество предоставляемой информации, Wolfram Alpha Простота Отсутствие 2.

формализованных знаний систематизация и структуризация использования, таксономии.

данных. интеллектуальная система поиска, широкий охват предметных областей.

Продолжение таблицы Инновационные технологические Перечень ключевых характеристик, Наименование Преимущества Недостатки направления № определяющих их рыночную альтернативных альтернативных альтернативных востребованность технологических технологических технологических направлений направлений направлений Облачные вычисления Потребители облачных вычислений Отсутствие Постоянное 3. Google Compute могут значительно уменьшить расходы проблем с подключение к Продолжение таблицы 6 Engine на инфраструктуру информационных обслуживанием и интернету на технологий (в краткосрочном и необходимости высокой скорости среднесрочном планах) и гибко наличия мощных реагировать на изменения рабочих станций.

вычислительных потребностей Интеллектуальные роботизированные Роботизированные системы АСК — Непрерывная Дорогостоящее 4.

автоматизированный системы, способные к адаптивному обеспечивают непрерывную, работа с высоким оборудование имеет складской комплекс коллективному поведению стабильную работу без участия человека качеством. как правило, и как следствие защищенные от ошибок длительные периоды Роботизированные системы сборки и связанных с человеческим фактором. окупаемости.

Гибкость настроек производства.

Такие системы все более применяются в Отказы и адаптивность современной промышленности. определенных узлов системы.

могут останавливать работу всей системы.

Технологии моделирования, Предсказуемость ошибок в полученных Magnum Opus Гибкость, Сложность 5.

базирующиеся на выявлении и результатах. Возможность интеграции.

использовании причинно-следственных Способность анализировать большие выделения связей объемы данных, а также наиболее значимых слабоструктурированные данные. связей.

Продолжение таблицы Инновационные технологические Перечень ключевых характеристик, Наименование Преимущества Недостатки направления № определяющих их рыночную альтернативных альтернативных альтернативных востребованность технологических технологических технологических направлений направлений направлений Технологии создания новых поколений Специализация для конкретной области Компьютеризирова Простота в Необходимость 6.

компьютеров массового применения (в применения позволяет достичь нное рабочее место. обучении. установки и т.ч. категории "автоматизированное наибольшей эффективности в настройки рабочее место специалиста, рабочая использовании. специализированного станция") ПО.

Конвергентные ИКТ-инфраструктуры Совокупность взаимодополняющих Центры обработки Невысокая Необходимость 7. Продолжение таблицы данных компонентов и средств автоматизации. стоимость виртуализации.

использующие увеличения Недостаточный разнородные мощности решения. уровень аппаратные архитектурной решения.

гибкости.

Интегрированные системы Непрерывность наблюдения за Регулярный Гибкость Мониторинг не 8.



Pages:     | 1 || 3 | 4 |   ...   | 6 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.