Когда о Big Data только начинали говорить, появилось такое сравнение, что большие данные - как нефть. Оно было очень правильным. В случае с нефтью вы извлекаете прибыль не из того, что она просто у вас есть, а из того, что вы умеете ее добывать и перерабатывать. В этом смысле речь не только о том, что компании должны уметь собирать данные, но также о том, чтобы они могли обрабатывать и извлекать из них прибавочную стоимость. Это не автоматический процесс. Способность накапливать данные еще не означает, что вы умеете их обрабатывать и извлекать из них прибыль, отмечает Леонид Жуков, директор BCG Gamma.

Основная проблема в том, что данные плохо структурированы, что не позволяет применять для анализа традиционные методы, полагает Тимофей Костин. Это привело к появлению новой профессии Data Scientist или специалист по анализу больших данных, напоминает он. Основное отличие этих специалистов от обычных аналитиков - умение обрабатывать и находить связи и закономерности в больших объемах неструктурированных данных и строить модели на их основе.

По словам Костина, правильное использование аналитики Big Data может позволить компаниям получить мощное конкурентное преимущество. Компании, которые умеют это делать, могут увеличить свою прибыль от 5 до 25 процентов, согласен Жуков. Конечно, ситуация сильно зависит от индустрии, уточняет он. Если речь о промышленном производстве, эффект от умелого анализа больших данных может выражаться в снижении затрат на ремонт оборудования, оптимизации производственного процесса и качества производимой продукции, создании цифровой цепочки поставок. Если о ретейле, большие выгоды реально получить от персонификации программ лояльности клиентов.

По мнению Леонида Жукова, проблема эффективного использования больших данных состоит в постановке бизнес-задачи и умении соединить имеющиеся данные с решением этой задачи. "Этих навыков в компаниях пока нет, они еще не развиты и специалистов в этой области знаний сильно не хватает", - констатирует он.

Каждая отрасль находится на разном уровне развития с точки зрения накопления умений работы с большими данными. Интернет, финансы, банки, телеком, торговля идут впереди. За ними следуют промышленность и энергетика. Именно в такой последовательности компании из разных отраслей стоят в рейтинге умений извлекать ценность из больших данных.

В то же время в тяжелой промышленности или в энергетике все приходится изобретать с нуля, поэтому там все только-только начинается. Но важно, что, учитывая объемы и стоимость производства, самые незначительные изменения в этих отраслях могут дать колоссальный эффект в "абсолютных рублях". Компании это уже поняли. К примеру, в нефтяной отрасли большие данные уже начинают активно использоваться для предиктивного ремонта оборудования и оптимизации добычи нефти; ранее данные применяли в основном в геологоразведке.

Несмотря на огромную популярность Big Data и проектов по ее анализу и использованию, объем доступных данных растет быстрее, чем компании успевают их обработать, проанализировать и применить, констатирует Тимофей Костин. При этом по-прежнему многое из того, что выдается за аналитику Big Data, является применением стандартного аналитического инструментария к пусть и очень большому объему структурированных и подготовленных данных. По мнению Костина, все это позволяет говорить об огромном потенциале Big Data. В ближайшие годы продолжится рост проектов с ее применением, будет расти количество специалистов по ее анализу, будут появляться новые сферы, в которых эти данные будут использованы.