Как Big Data работает в реальной экономике

Подписаться на актуальные новости


Экономический рост последних 30 лет — во многом результат прогресса информационных технологий. Компьютерная и интернет-революции позволили контролировать все стадии производства и транспортировки товаров в любой точке земного шара. Земля, по выражению экономиста Томаса Фридмана, стала плоской. Следующий революционный шаг — от "плоской" экономики к полностью прозрачной. И судя по всему, произойдет это благодаря "большим данным" (Big data; впервые термин появился в журнале Nature 3 сентября 2008 года, его автор — редактор Nature Клиффорд Линч).

Сомнительная статистика

Понять многие экономические процессы тяжело, причем не только в теории, но и на практике. Статистика здесь часто не только не помогает, но даже мешает. Вторая экономика мира — китайская — выросла в 2015 году на 6,9% ВВП, так заявляют официальные власти. Однако многие аналитики сомневаются в достоверности этих данных.

Относительно развитых стран недоверия меньше, но есть другая проблема — данные сильно запаздывают. Например, финальная оценка ВВП за прошедший год в США (их статистика во многом образцовая) появляется лишь спустя три месяца с конца года.

Для более оперативной оценки ситуации есть другие инструменты. Это разнообразные опросы на предмет текущего состояния дел в разных секторах экономики. Наиболее популярны ежемесячные опросы менеджеров по закупкам в промышленности и сфере услуг (Purchasing Managers Indices — PMI). Менеджерам надо ответить, хуже или лучше стала ситуация на предприятии относительно прошлого месяца по нескольким параметрам. Показатель ниже 50 сигнализирует о снижении деловой активности, выше 50 — о росте. Инструмент быстрый (финальный PMI за месяц выходит сразу после его окончания), но не очень точный. Например, в США за всю промышленность отвечают 400 менеджеров. Впрочем, в США индекс PMI рассчитывается с 1948 года и имеет репутацию надежного инструмента. В других странах, где PMI стали использовать недавно, доверие к нему меньше.

Мне сверху видно все

Проблема решаема: за экономикой можно следить из космоса. В 2015-м калифорнийский стартап Spaceknow запустил собственный индекс — China Satellite Manufacturing Index (China SMI), который мониторит промышленность Китая с помощью анализа спутниковых снимков. Компания выделила на территории страны 6 тыс. крупнейших предприятий. С помощью постоянно обновляющихся фотографий (сейчас их уже 2,2 млрд) в Spaceknow следят за всеми визуальными изменениями на этих объектах, а потом интерпретируют их в терминах экономической активности. Таких признаков деятельности множество: строительная активность, динамика выбросов дыма на заводах или роста отвалов на шахтах, заполнение фурами и другим транспортом парковок возле предприятия, объем товарных и сырьевых запасов, трафик грузов и рабсилы и т. д.

Все данные суммируются в индекс, который очень напоминает классический PMI; последние данные China SMI за март (48,2) хуже China PMI от независимого агентства Caixin Media (49,7) и значительно хуже официального PMI (50,2).

"Мы предоставляем независимый взгляд на китайскую экономику по совершенно новой методологии,— говорит СЕО Spaceknow Павел Макалек.— Мы не проводим опросов, наш индекс автоматизированный и абсолютно объективный". Макалек признается, что никогда не был в Китае, но для анализа это не важно, последним занимается компьютерный алгоритм. Почему выбран именно Китай — понятно. Во-первых, страна славится ненадежной статистикой, во-вторых, состояние ее экономики очень важно для всего мира. Потому у Spaceknow много заказчиков из числа госструктур и хедж-фондов.

Однако методология применима к любой стране и даже ко всему миру. "В мире всего около 6 млн километров автодорог с покрытием, 50 тыс. крупных коммерческих судов и всего лишь около 50 крупных портов,— перечисляет Макалек.— Важных экономических объектов много, но не настолько, чтобы нельзя было выстроить систему мониторинга и анализа".

Spaceknow — одна из целой плеяды компаний, занимающихся анализом данных в привязке к географии (геолокацией). Для Spaceknow важным стало резкое удешевление запуска и одновременно миниатюризация коммерческих спутников. Еще три года назад вывод спутника формата CubeSat (куб с гранью 10 см и весом чуть больше килограмма) на орбиту стоил около $1 млн. Сейчас — дешевле $100 тыс. Запустить свой спутник может позволить себе простая американская школа. Все дело в ценовой войне, затеянной компанией Илона Маска SpaceX (до 2013-го на рынке коммерческих запусков господствовали европейская Arianespace и российско-американская International Launch Services). Та же Spaceknow не имеет собственных спутников, но пользуется резким снижением цен на их запуск — поставщики снимков продают их дешевле и даже предлагают бесплатно.

Еще более важный прорыв — рост вычислительной мощности компьютеров и развитие алгоритмов обработки информации сделали возможной интерпретацию огромных массивов данных (Big Data). Недостаточно просто сохранить петабайты информации (обычно именно с этого порога информация классифицируется как Big Data), необходимо научить компьютер вычленять из массива данных релевантную информацию и правильно ее интерпретировать.

Поезда и города

Геолокация и Big Data применимы не только в макроэкономической статистике. Так, недавно лаборатория китайского поисковика Baidu Big Data Lab попыталась выяснить, сколько в КНР "городов-призраков". Известно, что их много. Но оценки вакантной застройки сильно расходятся: от 720 млн до 6 млрд метров площади. Используя сигналы с мобильных телефонов и устройств с GPS-приемниками (несколько миллиардов точек локации в день), Baidu Big Data Lab провела мониторинг китайских городов с сентября 2014 по апрель 2015 года. Результаты опубликовали частично — вероятно, чтобы не пугать публику. Из топ-50 "городов-призраков" в список Baidu попали лишь 20 случайно отобранных, зато с конкретными районами пустой застройки. В публикации компания отметила, что не хотела бы влиять на продажи жилья в указанных "призраках", поэтому она не стала ранжировать их по пустоте.

Интересные исследования проводит и недавно выделившаяся из "МегаФона" российская компания oneFactor, в которую инвестирует USM Holdings. "Одно из наших ключевых направлений — георекомендательный сервис,— рассказывает один из основателей oneFactor Роман Постников.— Этот инструмент позволяет как местным, так и национальным перевозчикам уровня РЖД выявлять неэффективные маршруты и оптимизировать их. Допустим, на поезде едет 1000 человек, 900 выходят на одной станции, и всего 100 остаются до следующей. Мы можем с высокой точностью понять, куда кто едет и каким способом — может быть, их конечный пункт назначения находится где-то посередине между станциями и следующая остановка просто избыточна? По загрузке сотовой сети мы это хорошо видим. В таких случаях хорошо бы сработала схема мультимодального транспорта: можно заменить часть железнодорожного маршрута дополнительной автобусной линией. Причем РЖД и подобные компании могли бы сразу продавать единый билет на все виды транспорта до пункта назначения. Клиентам удобно, компании выгодно — не нужно гонять составы ради 10% пассажиров".

На тех же принципах строится оптимизация городского транспорта. "Проанализировав маршрут с точки зрения загрузки (как фактической, так и потенциальной), можно выявить недозагруженные участки и снизить там интенсивность движения. Или сделать чуть больше пересадок. Парадокс в том, что скорость перемещения для большинства пассажиров возрастет",— говорит Постников.

Для Big Data на основе данных сотовой сети хорошие снимки из космоса — дополнительный плюс. "Сотовые операторы делают на основе "Яндекс.Карт" сервис для определения местоположения абонента (отправляешь SMS — получаешь ответ, где находишься, в виде фрагмента карты),— рассказывает представитель "Яндекса" Дмитрий Горчаков.— "Яндекс" регулярно выпускает исследования, основанные на данных своих геосервисов, например про транспортную доступность районов крупных городов или про высоту зданий в миллионниках. На основе "Яндекс.Карт" сейчас работает около 500 тыс. сайтов. Например, карта строек Москвы или проект, который позволяет искать спортивные объекты".

Совмещением массивов данных со спутниковыми снимками занимаются многие. В России на базе испанского геосервиса CartoDB интересные интерактивные карты и бизнес-приложения (например, по оптимизации торговых сетей и логистике) делает компания Rilos, а "Лаборатория анализа данных Александра Кукушкина" совместила сервис CartoDB с данными по услугам ЖКХ и получила массу нетривиальных визуализаций, по которым можно изучать архитектурное прошлое и настоящее российских городов.

Автомобили и нефть

При помощи BigData и геолокации получают и другие нетривиальные сведения. По словам источника "Денег", занятого анализом московских "больших данных", вопреки официальным заверениям, скорость движения автотранспорта в Москве не растет (2015 год к 2014-му). Не подтверждается и то, что москвичи якобы постепенно пересаживаются на общественный транспорт. Есть данные, что в 2015 году жителей, использующих автомобиль для поездок на работу, стало больше, чем в 2014-м.

Спутники и Big Data знают про автомобили и еще кое-что. Например, помогут ответить на вопрос, стоит ли покупать машину сейчас или дождаться скидок. В феврале 2016 года Spaceknow опубликовала серию спутниковых снимков с площадками в ЕС, заполненными нераспроданными автомобилями. И пришла к выводу: выпуск автопрома превышает спрос.

"Деньги" попросили Spaceknow проанализировать ситуацию с запасами российских автопроизводителей. В компании сравнили несколько складских площадок АвтоВаза в 2013 году и сейчас и сообщили, что "ситуация с избыточными запасами сильно ухудшилась". Оценить запасы можно в любой момент, достаточно просто набрать широту и долготу площадок в приложении Spaceknow или Google Maps (например: 53.583802, 49.216699 и 53.559026, 49.345009).

Ответ на другой немаловажный для России вопрос "Сколько будет стоить нефть?" тоже можно попытаться получить из космоса, хотя бы частично. Так, в той же Spaceknow мониторят состояние крупнейших нефтехранилищ в мире. Компьютеры научились определять уровень их заполнения. В некоторых хранилищах цилиндрической формы крышка располагается практически на уровне нефти. Если нефти в хранилище мало, тень от емкости падает на крышку (длина тени зависит от уровня нефти, а также от времени суток, то есть от высоты солнца); если же хранилище заполнено — тени нет. И сейчас эти данные указывают, что нефть почти наверняка будет дешеветь.

Передвижение танкеров и их загрузку отслеживает другой сервис — Marinetraffic. Почти все коммерческие суда имеют специальный AIS-транспондер, сигнал от которого передается наземным станциям слежения и на спутники. По нему можно не только определить, куда и откуда идет то или иное судно, но и оценить его осадку, а значит, загрузку. Интересно, что некоторые суда намеренно отключают транспондеры для противоправных действий — незаконного вылова рыбы, пиратства, контрабанды оружия (на этом иногда попадаются суда КНДР) или переливки нефти с танкера на танкер (по некоторым сообщениям, этим занимались иранские танкеры до снятия санкций). Но и эта активность не проходит незамеченной — корабли с выключенными транспондерами мониторят в американской компании Spire Global с помощью все тех же спутниковых снимков и отправляют сведения заинтересованным клиентам.

В области сельского хозяйства интересна практика российской компании ImageAiry, резидента фонда "Сколково". Она предлагает услугу спутниковой съемки Astrodigital (мониторинг площадей от 1 гектара), которой могут пользоваться фермерские хозяйства. Специальные способы съемки в различном спектре показывают, как себя чувствуют растения. Добавив к этим данным прогноз погоды и другие сведения, можно спрогнозировать урожай в текущем году. Сервисом пользуются не только аграрии, но также банки и страховые компании — им нужна оценка рисков при финансировании и страховании сельхозбизнеса. Впрочем, как отмечают в Spaceknow, фермерским хозяйствам иногда проще пользоваться квадрокоптерами и самолетами — съемки из космоса все-таки предполагают довольно большой масштаб заказа.

Статистику на свалку?

Сделают ли технологии Big Data и геолокации ненужными переписи населения, опросные методы в статистике, традиционные способы решения логистических задач и оценку многих процессов в экономике, пока не ясно. Но уже видно, что эти технологии переходят к страновому или даже глобальному уровню анализа информации. Революция здесь только начинается. И, возможно, иные стартапы могут превратиться в могильщиков статистических бюро, консалтинговых фирм и рейтинговых агентств. Пока площадка практически пуста, шансы занять на ней место есть и у российских дебютантов.

"Коллеги из Spaceknow показали довольно интересный вариант анализа экономической активности. Обещаем в ближайшее время представить свой, совершенно новый подход к анализу макроэкономических данных. На наш взгляд, он может быть еще более эффективным. Поверьте, наши сервисы позволяют узнать очень многое о реальном состоянии экономики и даже сделать точный прогноз",— заверяет Роман Постников.

Подписаться на актуальные новости

Вход на сайт