Ирээдүйг урьдчилан хараад хэлээд өгдөг ид шидтэн байдаг тухай баталсан нотолсон зүйлтэй таарч байсангүй. Харин өнгөрсөн хугацаанд болсон түүхийг сайн мэддэг бол ирээдүйд болох магадлалтай зүйлсийг бусдаас илүү таамаглаж магадгүй юм.

Ирээдүйг зөв таамаглах ур чадвар хүн бүрд харилцан адилгүй учир хамгийн ховор, хамгийн үнэтэй чадварын нэг байсан. Байсан гэж хэлдгийн учир нь ийм ур чадварыг олж, эзэмших боломж хүн бүрд нээгдээд байна. Ө.х хүн төрөлхтөн өнгөрсөн хугацаанд болсон зүйлсийг нэгд нэгэнгүй мэдэх, ирээдүйг өндөр магадлалаар таамаглах ур чадварыг өөртөө бий болгох боломжтой болоод байна. Харин яаж? Ямартай ч бид нэн тэргүүнд доорх гурван зүйлийг ойлгож авах хэрэгтэй юм.

1. Өгөгдлийн тэсрэлт

2010 онд Google-ын Эрик Шмитийн хэлсэн: “Өчигдрөөс хойш үүссэн өгөгдлийн хэмжээ нь 2003 он хүртэл хүний түүхэнд үүсэж бий болсон бүх өгөгдлөөс ч их байна” гэж зарласныг санацгаая. 2010 оноос хойш өнөөдрийг хүртэл энэ байдал улам бүр эрчээ авсан нь тодорхой. Одоо бол үүнээс хэд дахин их хурдаар өгөгдөл тэсэрч байна. Өгөгдлүүд хэмжээлшгүй ихээр нэмэгдэж байна.

Энэ нь чухамдаа “Өнгөрсөн хугацаанд юу болсон тухай асар их мэдээлэл цахим орчинд хадгалагдаж байна” гэсэн үг юм.

Энгийн нэг жишээ: Facebook өнгөрсөн жилийн өдийд таны юу бичиж байсныг сануулдаг билээ. Ө.х хором бүр Facebook хэдэн тэрбум хүний үйлдэл нэг бүрийг хадгалж байгаа.

Facebook дээрх Like, Google дээрх хайлт, Интернэт дэх аялал, Амазон дээрх худалдаа, Өдөр тутмын имэйл, Банкны гүйлгээ, Автобусанд уншуулсан карт, И-баримт, Картаар хаалга нээх хаах, iCoke, cloud ERP гээд энэ бүгд өгөгдөл тэсэрч байгаа шалтгаан юм.

2. “ИХ ӨГӨГДӨЛ” бүх салбарт хүчтэй нөлөөлж байна

БИЗНЕСИЙН САЛБАРТ

Их өгөгдөл буюу Big data-наас байгууллагууд наад зах нь 3 төрлийн үр өгөөжийг хүртэж байна. [Beyond The Big Data Buzz – Bernard Marr–ын номоос]

  1. Бизнесүүд өөрийн зах зээлд ямар бүтээгдэхүүн илүү эрэлттэй байгаа талаар болон өөрийн хэрэглэгч юу хүсэж байгааг илүү нарийн мэдэж авч байна. Мөн илүү боломжтой зах зээл, илүү сонирхолтой үйлчилгээг хүргэх боломжийг олгож байна.
  2. Бизнесүүд дотоод үйл ажиллагааны өгөгдлөөсөө өөрсдийн бизнесийн мөн чанарыг илүү сайн ойлгон авч байна. Өөрөөр хэлбэл бүхий л үйл ажиллагаагаа илүү үр дүнтэй болгох асар их боломж нээгдээд байна. Мөн бизнес моделио хүртэл амжилттай өөрчилсөн жишээнүүд олон байдаг.
  3. Цуглуулсан өгөгдлөөсөө шууд орлого олох боломжтой байна. Үүний сонирхолтой жишээ бол Трактор үйлдвэрлэгч John Deere компани юм. Тракторыг төрөл бүрийн мэдрэгчээр бүрэн тоноглосон бөгөөд тракторт хэзээ засвар хийвэл тохиромжтой, ямар хүчин чадлаар ажиллуулах, ямар асуудал гарах гэж байгаа зэрэг мэдээллийг тракторын эзэнд нь худалдаж байна.

Товчхондоо бизнесийн салбар хамгийн их өгөгдлийн нөлөөнд ороод байгаа юм. Шинэ бизнес моделиуд хурдтай хөгжиж, хуучин бизнес моделиуд хурдтай хуучирч байна.

ЭРҮҮЛ МЭНДИЙН САЛБАРТ

Их өгөгдлөөс Эрүүл мэндийн салбар маш чухал хөгжлийн боломжуудыг авч байна. Жишээ дурдвал: 2009 онд тархсан H1N1 ханиадны вирус маш хурдтай тархаж олон хүний аминд хүрсэн. Тухайн үед уг вирусийн талаар болон түүний тархаж буй шалтгааныг эрдэмтэд судалсан боловч дорвитой ахиц гарахгүй байв. Дийлэнх эрдэмтэд 1918 онд олон сая хүнийг авч одсон Испани ханиад шиг аюул учруулах магадлалтай гэлцэж байв. Энэ вирусийг эсэргүүцэх вакцин богино хугацаанд бүтээж чадахгүй бол аюул өдөр хоног тутам улам нэмэгдэж байлаа. Товчхондоо бол вакцин хийж чадах эсэх нь тун эргэлзээтэй нөхцөл байдалд ороод байсан гэнэ.

Азаар уг вирусийг олж нээхээс хэдхэн долоо хоногийн өмнө Google-ын инженерүүд Nature сэтгүүлд АНУ дахь өвлийн үеийн ханиадны тархалтыг таамаглаж болох тухай шинжлэх ухааны өгүүлэл гаргасан байж. Өдөр тутмын хайлтын өгөгдлөөс ханиадны шинж тэмдгээр загвар үүсгэж харахад ханиадны вирусүүд хэрхэн тархаж болох таамаглал өндөр магадлалтай таарч байсан тул энэ аргачлалаар H1N1-ын тархалтыг шинжилж үзсэн байна.

Ханиадны шинж тэмдгээр хайлт хийсэн дэлхийн бүх орны хайлтын өгөгдлийг харьцуулах, загварчлах олон янзын аргаар шинжилж үзээд ханиадны тархалтын таамаглал бүхий маш үнэ цэнэтэй мэдээллийг олсон байна. Эндээс уг ханиад зарим нүүдлийн шувууг даган тархаж буйг илрүүлсэн бөгөөд хэдхэн сарын дараа гэхэд вакцин гарган авч чадсанаар маш олон хүнийг энэ аюулт ханиадны вирусээс хамгаалж чадсан юм.

Энэ бол эрүүл мэндийн салбарт их өгөгдлийг оновчтой ашигласан ганцхан жишээ бөгөөд цаашаа зарим хүнд өвчний онош тавих, ямар эмчилгээ хийхийг сонгох, хавдрын эмийн судалгаанууд хийх, өвчний шалтгааныг ойлгох, эрүүл амьдралын хэв маягийг судлах гэх мэт маш олон үр ашгийг Эрүүл мэндийн салбарт Их өгөгдөл авчраад байна.

Зурагт: Google-ээс “Big data” гэдэг үг орсон хайлтыг 2004 оноос хойш харвал ингэж нэмэгджээ. 2009 оны H1N1-ийн шийдлээс хойш энэ тухай яриа огцом нэмэгдэж анхаарлын төвд орсон юм. https://trends.google.com

Зурагт: Big Data гэдэг үг орсон хайлтыг ямар улсууд их, ямар улсууд бага хайж байгааг харуулжээ. Бараг улс орнуудын хөгжлийн индекс гаргаж олон сая долларын судалгаа хийлгүй эндээс ямар улсууд ямар индекстэй вэ гэдэг нь харагдаж байх мэт.

3. Их өгөгдөлтэй (Big data) ажиллах технологиуд хурдтай хөгжив

Өгөгдлийн хэмжээ бага байхад түүнийг боловсруулах аргачлал зөвхөн онолын түвшинд, ө.х хөгжил нь зогсонги байсан гэж ойлгоход болно. Одоо харин тэдгээр онолуудыг туршиж батлах, давуу сул талыг нь гаргаж төгөлдөржүүлэх боломж “гэнэт” нээгдсэнтэй холбоотой маш олон технологиуд шинээр гарч ирээд байна. Үүнийг дагаад хиймэл оюун гэдэг яриа ч Их өгөгдөл гэдэг сэдвээс дутахгүй хүчтэй яригдаж тун ойрын ирээдүй мэт хүмүүсийг догдлуулж байна. Гэхдээ өнөөдрийн байдлаар Их өгөгдөл түүнийг боловсруулах машины аргачлал нь Хиймэл оюунаас арай бодитой, арай хэрэгжүүлж болохуйц орон зайд байна.

Зурагт: Технологийн тэргүүлэгч компаниудын судалгааг дэлхий даяар хийдэг Гартнерийн энэ судалгаанаас ганцхан жилийн дотор Өгөгдлийн шинжлэх ухаан, Machine learning чиглэлийн компаниудын чансаа хэрхэн өөрчлөгдөж буйг харуулав. Тоглоомын дүрэм огцом өөрчлөлтөд ороод байгааг эндээс харж болно. Хуучны аваргууд зайгаа тавьж, шинэ тоглогч нар энэ салбарт хүч түрэн орж ирсээр байна. Гэхдээ миний бодлоор цэгцрэх үйл явц дөнгөж эхлээд байна.

Leaders (5): KNIME, Alteryx, SAS, RapidMiner, H2O.ai

Challengers (2): MathWorks, TIBCO Software (new)

Visionaries (5): IBM, Microsoft, Domino Data Lab, Dataiku, Databricks (new)

Niche Players (4): SAP, Angoss, Anaconda (new), Teradata

Товчхон дүгнэвэл predictive analytics буюу ирээдүйг харах гэдэг нь Их өгөгдөл (Big Data) + Боловсруулах аргачлал (Machine Learning) гэж ойлгож болох юм.

Ирээдүйг урьдчилан харах буюу Predictive Analyse хийхийн тулд бид дор хаяж дараах 3 асуултанд хариулах шаардлагатай. 

1. Надад ямар өгөгдөл хэрэгтэй вэ?

Өгөгдөл бол шинэ цагийн газрын тос гэж тодорхойлогдож байгаа өнөө үед хэн өгөгдлийг ашиглах лицензтэй вэ? Хэн өгөгдлийн шинэ уурхайг хайж илрүүлсэн бэ? Хэн өгөгдлийн шинэ уурхайгаас үнэ цэнэ олборлож чадах вэ? Магадгүй, надад ямар өгөгдөл хэрэгтэй вэ гэдгээс өмнө надад ямар өгөгдөл байгаа вэ? гэдэг асуултад хариулах шаардлагатай байж магадгүй.

Та бизнесийн өгөгдлөө цуглуулсан уу? (Зөвхөн санхүүгийн тоон үзүүлэлт ч бус бизнесийн бүх өгөгдлүүд үүнд багтана. Жишээ нь: Ажилд орсон ба ажлаас гарсан хүн, худалдан авалтын мэдээлэл, нийлүүлэгч, хэрэглэгч, үнийн санал өгсөн авсан баримт, бараа материал, гэрээ хэлэлцээр, гомдол санал, сошиал сувгаар хүлээн авсан мэдээллүүд гэх мэт маш олон чухал өгөгдлийн тухай эргэж нэг бодоод үзэх хэрэгтэй юм.)

Өгөгдлөө цуглуулах энгийн арга бол үйл ажиллагааг автоматжуулж цахим хэлбэрт оруулах юм. Цахим хэлбэрт оруулж чадсан процесс болгон өгөгдлийн жижиг уурхай болох боломжтой.

2. Ямар ур чадвар хэрэгтэй вэ?

Өгөгдөл дотроос үнэ цэнэтэй мэдээлэл гарган авах ур чадвар гурван түвшинтэй. Энэ түвшингүүдээр дарааллын дагуу дамжин хөгждөг байна. [Predictive analytics of Human Resource номноос]

  1. Descriptive буюу ямар байгааг тайлбарласан шинжтэй аналитик ашиглах – Танай ажлаас гаралтын хувь хэд вэ? Танай ажилтны сэтгэл ханамж хэдэн хувь бэ? Танай сургалтын хөрөнгө оруулалтын өгөөж хэдэн хувь бэ? г.м. Та болон танай бизнес өнгөрсөн хугацаанд юу болсныг тайлбарласан түвшний мэдээллээ ашиглаж чаддаг уу? Энэ үе шатыг алгасах боломж багатай бөгөөд ийм шинжилгээг ашигласнаар зардлыг бууруулах, процессыг сайжруулах бололцоо нээгддэг.
  2. Predictive буюу ирээдүйг таамагласан аналитик – Жишээлбэл ямар моделиор ажиллавал хамгийн зөв хүнийг олж авдаг, сургадаг, урамшуулдаг вэ? Descriptive analytics түвшинд хүрсэн тохиолдолд энэхүү дараагийн түвшинд ажиллах бололцоо нээгддэг бөгөөд таны бизнесийн моделийг сайжруулах хэмжээний бололцоо нээгддэг.
  3. Prescriptive буюу зөвлөсөн шинжтэй аналитик – Шийдвэр гаргах сонголтуудыг гаргах түвшин. Жишээлбэл компанийн bottom line-д хамгийн их нөлөөтэй байж чадах сургалтын хөрөнгө оруулалтуудыг үзүүлж сонголт хийхдээ цахим дэмжлэг авах бололцоо бүрдэх болно. Энэ түвшинд ажилласнаар “урт хугацааны тогтвортой өрсөлдөх чадвар”-аа өсгөх бололцоо нээгддэг.

Энэ гурван түвшинд хөгжихийн тулд менежментийн болон технологийн хөрөнгө оруулалтыг хослуулахыг шаарддаг. Гэхдээ хэрэгжүүлэхдээ agile буюу шалмаг маневртай аргачлалыг ашиглах, тодорхой 1 том асуудлыг онилж, холимог баг бүрдүүлж, байгууллагын цахим соёлын орчноо бүрдүүлэнгээ хийхийг зөвлөж байна. Ө.х заавал томоохон хөрөнгө оруулалт гэхээсээ илүү байгаа нөөц бололцоогоо ухаалаг ашиглан бага багаар хөгжүүлэх боломжтой.

3. Цуглуулсан өгөгдлөө хэрхэн ашиглаж байна вэ?

Өгөгдөлтэй, ур чадвартай байлаа ч яг амьдрал дээр та өгөгдөл дээрээ ажиллаж байгаа юу? Зөвхөн стандарт хэдэн тайлангуудыг гаргаж харах төдий ч биш, тухайн нөхцөл байдалд шийдвэр гаргахад зориулан өгөгдлөөсөө өөрөө сурдаг програман зөвлөгчтэй хүртэл болох боломжтой.

Эхлэх энгийн арга бол Business Intelligence (BI) төрлийн програм ашиглаж сурах. Та олон янзын өөр өөр програм ашигладаг байх нь ч хамаагүй. Гагцхүү таны програмын өгөгдөл рүү л хандаж чаддаг байхад орчин үеийн BI програмууд дээр та өгөгдлөө ашиглан төрөл бүрийн шинжилгээ хийх боломж маш хялбархан болсон.

Жишээ: Green ERP програмыг маань ашиглан бизнесийнхээ маш олон процессыг цахим болгосон 150 гаруй гадаад дотоодын компаниуд бий. Эдгээр компаниуд маань өгөгдлийн уурхайтай болоод эхнээсээ 8-9 жил өгөгдлөө хуримтлуулсан байна.

Бидний хувьд эдгээр хэрэглэгч нараа уурхайгаасаа үнэ цэнэ олборлож, бизнесийн үйл ажиллагаагаа шинэ түвшинд гаргах үйлсэд нь дэм болохын тулд BI төрлийн програм ашиглах нэг жилийн эрхийг бэлэглээд байгаа. Өгөгдлөөсөө үнэ цэнэ олборлож, шинэ бүтээл шинэлэг шийдэл бий болгож амжилтаа хурдасгаж буй олон компаниуд Монголд бий болоод байна.

Их өгөгдлийг ашигласан сонирхолтой жишээ: Netflix нь интернэтээр кино үзэх үйлчилгээний компани бөгөөд хэрэглэгчдийнхээ кино үзэх хэв маяг, үнэлгээ хийсэн байдал, хэзээ, ямар кино үздэг сонирхол зэргээс дүгнэлт хийсэн. Энэхүү дүгнэлт дээр суурилан багагүй хөрөнгө оруулалтыг гарсан даруйдаа АНУ болон дэлхийн 40 гаруй оронд хамгийн их хандалт авсан Хөзрөн байшин (House of Cards) цувралыг хийхэд зориулсан байна.

Амжилтын гол шалтгаан нь Netflix өөрийн их өгөгдлөө шинжилж үзээд улс төрийн авлигал, улс төрийн хөшигний цаана болдог үйл явдал, хэвлэл мэдээллийн гажуудлыг хөндсөн сэдэв өндөр амжилт олохыг олж мэдсэн байна.

Санал болгох ном: Бизнест шийдвэр гаргахад их өгөгдлийг хэрхэн ашиглаж байгаа нь цахим худалдаа бий болсноос хойших хамгийн том өөрчлөлт болж байна. Та энэ шилжилтийн талаар дэлгэрэнгүй мэдээлэл авахыг хүсвэл Оксфордын профессор Виктор Майер – Шонбергер ба Экономист сэтгүүлийн Дата редактор Кеннет Какиер нарын хамтын бүтээл Big Data: A Revolution That Will Transform How We Live, Work, and Think номыг уншаарай.

Эх сурвалж: Рокфеллерийн зуршлыг эзэмших нь 2.0 БИЗНЕСЭЭ ТОМРУУЛАХ НЬ номоос