приятнее жить в отеле с полудюжиной дополнительных консьержей вместо полудюжины

клерков!

Впрочем, как и все новое, электронная коммерция приносит с собой не только

преимущества, но и неизвестные прежде проблемы. В обычном магазине продавцу помогают

ориентироваться вопросы, задаваемые клиентом, его одежда, жесты и мимика. А в электронном

— продавец покупателя не видит и вынужден помогать ему «вслепую». Таким образом, менеджерам электронных магазинов приходится осваивать специальные методы работы и

проводить почти детективные расследования, чтобы смоделировать клиента на основании

особенностей его поведения при просмотре и истории его предыдущих покупок. Все это

требует сложного анализа информации.

РАСШИРЕНИЕ АНАЛИТИЧЕСКИХ ВОЗМОЖНОСТЕЙ ЧЕЛОВЕКА

Программное обеспечение электронного анализа, избавляющее людей от рутинной

работы и позволяющее им сконцентрироваться лишь на исключительных ситуациях (наподобие

того, что применяет компания Marks amp; Spenser), меняет саму природу их деятельности. Это

настолько мощный инструментарий, что некоторые из сотрудников Marks amp; Spenser поначалу даже опасались, не вытеснит ли компьютер их совсем. В них говорило естественное

нежелание человека отказываться от какой-либо доли участия в принятии решений и тем более

передавать эту функцию машине. Однако когда массив данных достигает определенных

размеров и уровня сложности, выполнение начального поиска и сортировки компьютером

оказывается гораздо эффективнее. Люди просто не способны замечать закономерности в

больших объемах данных. А объемы эти — не только в базах данных, но и в файловых

системах, в системах передачи сообщений и на веб-сайтах — растут сегодня экспоненциально.

Единственная возможность реализовать их потенциал в полной мере — это использовать для

выделения полезной информации компьютерные средства.

Применение программных алгоритмов для поиска полезных закономерностей в больших

объемах данных называется интеллектуальным анализом данных. Первым серьезным шагом в

этом направлении стало создание систем оперативной аналитической обработки (OLAP), которые существенно повышают эффективность обслуживания многих видов запросов.

Благодаря им данные, собиравшиеся ранее только в целях бухгалтерского и финансового учета, стало возможным использовать в моделировании, прогнозировании и принятии решений. Для

удовлетворения этих новых потребностей компании начали создавать корпоративные

хранилища данных. Подмножество такого хранилища, отражающее какой-либо один аспект

функционирования предприятия или охватывающее деятельность одного из его подразделений,

Билл Гейтс: «Бизнес со скоростью мысли»

121

часто называют киоском данных.

Издательская компания HarperCollins использует OLAP-систему на базе ПК для контроля

за ходом книжной торговли в реальном масштабе времени. Это позволяет ей печатать ровно

столько экземпляров, сколько требуется дистрибьюторам. Таким образом удается избежать

образования в канале сбыта больших товарных остатков, которые пришлось бы потом

принимать обратно. После всего лишь года эксплуатации новой системы возврат непроданных

экземпляров наиболее популярных изданий HarperCollins сократился с более чем 30%

приблизительно до 10%, а за каждым из этих процентов стоят миллионы долларов экономии.

Кроме того, OLAP-система HarperCollins позволяет специалистам компании получать

ответы на вопросы типа: какова была прибыльность сбыта такого-то издания за такую-то

неделю через такого-то дистрибьютора? Обратите внимание, что даже в этом случае

невозможно обойтись без человека, который бы задавал вопросы; а кроме того, ни

традиционная база данных, ни OLAP-система не способны находить ответы на такие более

расплывчатые, но от этого не менее важные для бизнеса вопросы, как: «Какой из клиентов, вероятно, предпочтет продукт А продукту Б? Что отличает клиентов, которых наши продукты и

услуги удовлетворяют, от клиентов, которых они не удовлетворяют? Какие из клиентов в моей

базе данных „сходны“ друг с другом?» При попытке обработать подобный неконкретный

запрос на пользователя OLAP-системы обрушилась бы лавина данных, которые ему бы вряд ли

для чего-нибудь пригодились. Для сложных видов интеллектуального анализа данных

требуется особое ПО, предназначенное для ориентирования в богатых информацией средах. И

оно должно быть способно помочь своим пользователям в поиске ответов на вопросы, не