Монетизация больших данных: технико-экономический анализ драйверов роста и издержек

Авторы

  • Юлия Павловна Шальнова ПАО Сбербанк

DOI:

https://doi.org/10.18413/2687-0932-2020-43-3-491-500

Ключевые слова:

большие данные, монетизация, факторы роста, характеристики больших данных, издержки внедрения и эксплуатации

Аннотация

В статье на примерах банковской деятельности показано, что внедрение инновационной технологии больших данных является одним из IT-трендов развития мировой и отечественной экономик. Акцентировано внимание на монетизации технологии как необходимом условии внедрения. Предложен не требующий количественных оценок подход повышения инвестиционных результатов, основанный на качественной постановке задач обработки больших данных и формировании множества релевантных им данных. Исследованы основные характеристики больших данных, влияющие на издержки внедрения технологии. Сделан вывод о необходимости приоритетной разработки методик инвестиционного анализа технологии больших данных. Отмечен пилотный характер исследования.

Скачивания

Данные скачивания пока недоступны.

Биография автора

Юлия Павловна Шальнова , ПАО Сбербанк

ведущий экономист отдела экономической оценки Центра компетенций «Финансово-экономическая оценка» Службы финансового менеджмента ПАО Сбербанк,

Нижний Новгород, Россия

Библиографические ссылки

Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И.. 2007. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. СПб.: БХВ-Петербург, 384.

Карпычев В.Ю. 2010. Инвестирование в информационные технологии: проблемы и решения, Экономический анализ, 25: 2–8.

Плас. 2018. Big Data в банкинге: универсальных рецептов нет [Электронный ресурс]. URL: https://plusworld.ru/journal/section_2018/plus-2-2018/big-data-v-bankinge-universalnyh-retseptov-net/ (Дата обращения: 03.06.2020).

Указ Президента Российской Федерации № 204. 2018. О национальных целях и стратегических задачах развития РФ на период до 2024 года. [Электронный ресурс]. URL: http://kremlin.ru/acts/bank/43027 (Дата обращения: 14.06.2020).

Шепелев К.В., Суркова Н.Е., Шувалова И.С. 2019. Анализ режимов автоматизированной обработки данных. Промышленные АСУ и контроллеры, 12: 48–53.

BBC. Demystifying Big Data in banking. [Электронный ресурс]. URL: http://www.bbc.com/storyworks/banking-on-innovation/bigdata (Дата обращения: 10.05.2020).

Big Data и ИИ в банках: тренд или реальный инструмент? 2019. [Электронный ресурс]. URL: https://mcs.mail.ru/blog/big-data-i-ii-v-bankah-trend-ili-real-instrument (Дата обращения: 02.06.2020).

Calude C.S., Longo G. 2017. The Deluge of Spurious Correlations in Big Data. Foundations of Science, Volume 22: 595–612.

Cnews. 2013. Как крупнейшие банки используют большие данные. [Электронный ресурс]. URL: https://cnews.ru/articles/kak_krupnejshie_banki_ispolzuyut_bolshie (Дата обращения: 10.06.2020).

Dong X.L., Srivastava D. 2015. Big Data Integration. Morgan & Claypool. 178.

Frawley W., Piatetsky-Shapiro G., Matheus C. 1992. Knowledge Discovery in Databases: An Overview. AI Magazine: 213–228.

Glossary Gartner. [Электронный ресурс]. URL: https://www.gartner.com/en/informationtechnology/glossary/big-data (Дата обращения: 12.02.2020).

Jensen C.S. 2000. Temporal Database Management. Aalborg University. 1323.

Kantardzic M. 2020. Data mining: Concepts, Models, Methods, and Algorithms. Wiley. Hoboken. 661.

Marr B. 2015. Where Big Data Projects Fail. [Электронный ресурс]. URL: https://www.forbes.com/sites/bernardmarr/2015/03/17/where-big-data-projects-fail/#c8ef3f6239f6 (Дата обращения: 14.06.2020).

McKinsey. 2017. Fueling growth through data monetization. [Электронный ресурс]. URL: https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/fueling-growth-through-datamonetization (Дата обращения: 09.06.2020).

McKinsey Global Institute. Big data: The next frontier for innovation, competition and productivity. [Электронный ресурс]. URL: https://www.mckinsey.com/business-functions/mckinseydigital/our-insights/big-data-the-next-frontier-for-innovation (Дата обращения: 12.02.2020).

Ohlhorst F. 2013. Big Data Analytics Turning Big Data into Big Money. Wiley. 176.

Reports and Data, 2019. Report: Data Monetization Market By Data Type, By Component, By Organization Size, By Deployment Mode (Cloud and On-premises), By End Use, By Industry Vertical, And Segment Forecasts, 2016-2026. [Электронный ресурс]. URL: https://www.reportsanddata.com/reportdetail/data-monetization-market (Дата обращения: 08.06.2020).

Release Summary. 2018. Сайт BusinessWire. [Электронный ресурс]. URL: https://www.businesswire.com/news/home/20180815005095/en/Revenues-Big-Data-Business-Analytics-Solutions-Forecast (Дата обращения: 08.06.2020)

Vozábal M. 2016. Tools and Methods for Big Data Analysis. Pilsen. University of West Bohemia. 134.

Word Economic Forum. 2017. Beyond Fintech: A Pragmatic Assessment Of Disruptive Potential In Financial Services [Электронный ресурс]. URL: http://www3.weforum.org/docs/Beyond_Fintech_-_A_Pragmatic_Assessment_of_Disruptive_Potential_in_Financial_Services.pdf (Дата обращения: 10.06.2020).


Просмотров аннотации: 714

Поделиться

Опубликован

2020-10-28

Как цитировать

Шальнова , Ю. П. (2020). Монетизация больших данных: технико-экономический анализ драйверов роста и издержек. Экономика. Информатика, 47(3), 491-500. https://doi.org/10.18413/2687-0932-2020-43-3-491-500

Выпуск

Раздел

ИНВЕСТИЦИИ И ИННОВАЦИИ