Стратегические угрозы  XXI  века
Download
1 / 39

Вирджиния Рометти – IBM CEO 2 марта 2012 года - PowerPoint PPT Presentation


  • 154 Views
  • Uploaded on

Стратегические угрозы XXI века в области ИТ: Компьютеры против людей. Что делать нам? Чему учить?. Вирджиния Рометти – IBM CEO 2 марта 2012 года “ В ближайшие 5 лет все компании на рынке разделятся на победителей и побежденных в зависимости от качества их аналитики ”

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Вирджиния Рометти – IBM CEO 2 марта 2012 года' - jenaya


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

Стратегические угрозы XXI века в области ИТ:Компьютеры против людей.Что делать нам? Чему учить?

Вирджиния Рометти– IBM CEO 2 марта 2012 года

“В ближайшие 5 лет все компании на рынке разделятся на победителей и побежденных в зависимости от качества их аналитики”

12 апреля 2012 будет объявлен Watson

А.В. ШМИД

д.т.н., профессор

Председатель правления ЗАО «ЕС-лизинг»

2013

www.ec-leasing.ru


IBM –- ЕС-лизинг –- НИЦЭВТИстория взаимоотношений

Александр Шмид

  • 1986 – начальник Центра проектирования ЭВМ и ОС НИЦЭВТ

  • 1988 – Главный конструктор по программному обеспечению стран СЭВ

  • 1989 – Главный Конструкторпо взаимодействию IBM

    и Министерства радиопромышленности СССР

  • 1991 – член коллегии Министерства радиопромышленности СССР

  • 1992 –2004 - Главный

    конструктор НИЦЭВТ

  • 1994 – наст. время – Председатель правления группы ЕС

США 1991г.

В.И.Шимко Министр радиопромышленности СССР

А.В.ШмидГлавный Конструктор МРП


ЕС-лизинг – системный интегратор ИТ систем глобальных организаций

Крупнейшие проекты «ЕС-лизинг»:

GM, Citi Bank, MCI, WalMart, Evant, JP Morgan, A/A, Delux, MBUSA Morgan-Stanley, CN Rail, Man Tech, RiteAid, Kroger, Lawson, Bank of Montreal, Starwood, Verizon, Deutsche Bank, UNO, Standard Life, Direct Inside, DTS Systems, Gtech, Ingram, Lowes, WellPoint, Fidelity,

ЦБ РФ, ОАО «Газпром», Минсвязи РФ

Варшавское шоссе, 125

Общими являются глобальные по геоохвату и размерности характеристики их ИТ-систем:

- территориальное распределение систем,- часовые пояса, - работа ЦОД – 24 часа в сутки 7 дней в неделю

Для повышения эффективности функционирования глобальных организаций и снижения стоимости владения их ИТ-системами были созданы и внедрены инновационные технологии


Непрерывность бизнеса ЦБ РФ. Риски.

Многоборье

Единая телекоммуникационная система ЦБ (Интранет)

98 000 терминалов

400 РКЦ

79 ВЦ ГУ

2 КЦОИ УОС

1 КЦОИ ИАС

УОС

БЭСП

250 ИАС ЦА

4000 ИАС ГУ

ЦИАС АКС

ЦИАС АП АС БЭСП

СОИБ

СОЖЦ

425 000 единиц бухучета

7000 персонал ИТ

1500 персонал ГУБиЗИ

Проектирование

Сопровождение

Инфраструктура обеспечения бизнес-процессов ЦБ РФ

Массовые платежи: от 5 дней письмом в 1992 к менее, чем 1 мин ЭПС в 2012

RTGS (БЭСП)

Число платежей

2012г14 млнв день

ECB

2003г 1,5 млн в день

«ЕС-лизинг» - 18 лет сотрудничества с ЦБ РФ

ЕС-лизинг


Оптимизация инфраструктуры на примере ЦБ РФ

  • 2003 – Децентрализованная обработка данных

  • 78 Центров обработки

  • 11 информационных систем

  • 2007 – Централизованная обработка данных

  • 2 КЦОИ

  • 2 информационные системы



Модернизация архитектуры платежной системы ЦБ РФ в 2002-2012


Экономический эффект от консолидации инфраструктуры платежной системы Банка России


Постановка задачи: консолидации инфраструктуры платежной системы Банка России

Информатизация, как средство обеспечения конкурентных преимуществ (повышение эффективности работы организаций)

2007 год

Выживает не быстрейший, не сильнейший, а тот, кто быстрее приспосабливается к изменениям окружающей среды

Чарльз Дарвин

Окружающая среда ИТ - информационное пространство, в котором и должны достигаться конкурентные преимущества(в пределе – кибервойны)

Еще не было Big Data, но был прогноз IBM


Как сделать быстро и достоверно. Все в Корпоративное Хранилище Данных (КХД)

Архитектура потоков данных

Текущее состояние

Целевое состояние

Центр обработки данных

КХД ЦБ РФ (IBM)

Сбор данных иотчетность по процессами бизнес-целям

Стратегический

уровень

Стратегическое руководство

Сбалансированная

система показателей

Сбалансированная

система показателей

Стратегическое руководство

Корпоративное

Хранилище

КХД

Ключевые

показатели

эффективности

деятельности

Тактический

уровень

Тактическое руководство

Ключевые

показатели

эффективности

деятельности

Тактическое руководство

Сбор данных

и отчетность

по процессам

и проектам

Руководство департаментов, отделов, сотрудники

ОперативныйУровень

Документооборот, прогноз, мониторинг

Все потоки управленческих данных

Руководство департаментов, отделов, сотрудники

Документооборот, прогноз, мониторинг

Дочерние предприятия

Дочерние предприятия

Первичные данные о материальных и финансовых потоках

Время сбора данных – дни, месяцыЦОД – 42Серверов – 5754Баз данных – 11058Передач информации – 8-11

Первичные данные о материальных и финансовых потоках

Время сбора данных – часыЦОД – 1 (+1) Серверов – 1 (+1)Баз данных – логическая1Передач информации – 1


Примеры повышения скорости доставки инфодля принятия решений в глобальных системах масштаба РФ

Надзорный блок ЦБ(кризис)

От 3 месяцев к 1 дню

Управление БЭСП(АП АС БЭСП)

От 2 месяцев к 1 дню

Корпоративная отчетность (ГАЗПРОМ с SAP)

От 4 месяцев к 1 дню

Опыт ЕС-лизинг


Стратегический прогноз доставки IBM развития ИТ 2005 - 2015 и его реализация

Цюрих, ноябрь 2005г.

Лаборатория стратегического планирования IBM

К 2015 году компьютеры будут принимать решения ЛУЧШЕ людей во многих областях бизнеса


Традиционная постановка задачи информационной поддержки принятия решений.

1. Инфо-потребность

Информированность и интеллектуальность решающего центра

(Удовлетворение информационной потребности Руководителя)

Представление о реальности

Реальность

Детализация инфо-потребности

Big Data

I

II

2. Решение

Хранение

Обработка

Watson?

Разведчик(Поисковик)

Аналитик

Руководитель

Реализация (П1, П2, П3)

Единое информационное пространство (ЕИП)

Инфо потребность должна удовлетворяться:

БЫСТРО – информация об изменениях обстановки должна поступать к моменту принятия решения (быстрее, чем у конкурентов)

ПОЛНО – необходимая и достаточная для принятия решений

ДОСТОВЕРНО – исключение фальсификации


Дорожная карта реализации стратегического прогноза 2005-2015гг


2011г. стратегического прогноза 2005-2015ггWatson: Обучающийся компьютер!!!


Феномен BIG DATA стратегического прогноза 2005-2015гг Сопутствующие проблемы и возможности


Information Creation and Available Storage стратегического прогноза 2005-2015гг

1,800

Information Created

1,600

Available Storage, 2007

1,400

Tape 21%

Optical22%

1,200

Exabytes

Other1%

Available Storage

1,000

Disk 56%

0,800

0,600

264 EB

0,400

0,200

2006

2008

2005

2007

2009

2010

2011

Проклятие размерности Сколько информации мы теряем?

Рометти:«В 2013 году 2 дня = всему 2003 (рост в 178 раз!)»

17


Какие объемы данных нужны стратегического прогноза 2005-2015ггдля поддержки принятия решений?

User Creation: Enterprise Worries

**Consumersand WorkersCreating,Capturing orReplicatingPersonalInformation

**Transported,Hosted,Managed or Secured

User Generated Content*

Enterprise Touch Content**

Overlap-1,000Exabytes

1,234 Exabytes

1,530 Exabytes

Size of Digital Universe in 2011

1,773 Exabytes

Размещение значимых данных предприятия:

Внутренние данные - 33%

Внешние данные - 67%


«Амнезия корпорации» или стратегического прогноза 2005-2015ггобъем воспринимаемых ИАС первичных данных

Все доступные данные

Что можно обработатьIBM BigData

Объем данных

Йоттабайт

  • Качество ИАС:

  • Объем первичных данных

  • Глубина и скорость анализа (площадь анализа)

  • Кто готовит и кто принимает решение

Лимит: скорость обработки

Надо 10 Петабайт

Потеря памяти

(амнезия)

Зеттабайт

Что можно обработать Стандартным подходом

1 Петабайт

Терабайт

Лимит: Объем базы

Гигабайт

Время

Стандарт: запомнил – обработал

IBM Big Data:обработал - запомнил

ЦБ РФ – 640 Тб

Библиотека им. Ленина – 7Тб

Потоковая обработка IBM Big Data кардинально повышает объем используемых данных для аналитической разведки


Большие данные стратегического прогноза 2005-2015гг

Итеративностьи исследование

Традиционный подход

Структурный и повторяемый анализ

Запомнил - обработал

Обработал - запомнил

ИТ

Обеспечивает платформу для креативного анализа

Бизнес

Определяет что спросить

ИТ

Структурирует данные для ответа на вопрос

Бизнес

Исследует что можно спросить

Отношение к бренду

Стратегия продуктов

Оптимизация ресурсов

Месячная отчетность

Анализ прибыльности

Анализ анкет

Ограничение: производительность

Ограничение: память

Big Data: Изменение парадигмы при работе с данными

Пример IBM - МРП


Требования к функциям платформы Больших Данных

Поиск и навигация источников данных в киберпространстве

InfoSphere Data Explorer и т.д.

Hadoop File System и т.д.

Подключение источников и анализ данных «в покое»

Подключение источников и анализ данных «в движении»

InfoSphere Streams и т.д.

Традиционные функции работы со структурированными данными

Netezza и т.д.

IBM Information Server

IBM Change Data Capture

Интеграция всех видов данных для комплексного анализа

IBM Cognos

IBM SPSS

IBM Content Analyzer

Автоматизация принятия решений и построение гипотез и прогнозов


Инструменты Больших ДанныхStreams

Обработка потоковой информации

Производительность труда!!!

Streams

Декларативный язык:Stream Processing Language (SPL)

Готовые средства разработки(акселераторы разработки):

Анализ текстов

Телекоммуникационные данные

Гео-данные

Видео

Интеллектуальный анализ

Предсказательные модели

Статистика

Анализ машинных журналов (СПО)

Анализ данных из сетей (СПО)

Инструменты:

Standard Toolkit

Internet Toolkit

Database Toolkit

Financial Toolkit

Data Mining Toolkit

Big Data toolkit

Text Toolkit

Коннекторы:

Netezza Connector

Hadoop Connector

Языки программирования 3-го поколения:Java, C/C++, Python, Perl, JavaScript, Ruby и т.д.


Вирджиния Рометти Больших Данных– IBM CEO 11 марта 2013 года

“В ближайшие 5 лет все компании на рынке разделятся на победителей и побежденных в зависимости от качества корпоративных решений.И опыт, и интуиция не помогут. Людей надо переучивать. Нигде этому сейчас не учат, но мы будем!”

Чему учить?

Новой культуре принятия решений (predictive analytics), обеспечивающей конкурентные преимущества

Big Data


Современная схема принятия решений:

Что делают люди?

CEO

Подтверждение решения

Задания интегральной инфо потребности

Детализацияобласти интересов

Область интересов

Обсуждение области интересов

Watson

Принятиерешения

Цифровая реальность

Поиск в области интересов

Креативная команда

(П1 + П3)

Обучение в области интересов


Создание инфраструкутры исследовательского и учебного процессов в области банковской аналитики в МИЭМ ВШЭ на основе новейших технологий ИБМ(повторение успеха 1972г)

ИнститутМИЭМ НИУ ВШЭ

Базовая кафедра

Проекты

Бизнес-сообщества

Центр Компетенции

по IBM Big Data(ЕС-лизинг)

IBM, ЦБ РФ, ЕС-лизинг

Профессионалы, оборудование, программные продукты, пилотные проекты

Сейчас работают 11 организаций

Учебные курсы

Best practices

Лабораторные работы

Тьюторы

Консультации IBM


Университетские курсы исследовательского и учебного процессов в области банковской аналитики в МИЭМ ВШЭ на кафедре "Информационные системы бизнес-аналитики и поддержки принятия корпоративных решений " по Big Data

Как в MTI (IBM)

К 1 сентября 2013 за счет ресурсов ЕСЛ предлагается реализовать в МИЭМ ВШЭ проект: «Создание инфраструктуры научно- исследовательского и учебного процессов в области банковской аналитики на основе новейших технологий ИБМ»

Цели проекта1. Создание в МИЭМ ВШЭ материальной основы для проведения инновационных НИР и ОКР по заказам ЕСЛ на основе новейших технологий IBM BIG DATA и IBM Banking Data warehouse (BDW) силами преподавателей, аспирантов, студентов.2. Организация учебного процесса на основе применения новейшихинформационных технологий в реальной научно-исследовательской и опытно-конструкторской работах.


Центр компетенции исследовательского и учебного процессов в области банковской аналитики в МИЭМ ВШЭ IBM Big Data ЕС-лизинг(первый в РФ)

  • Цели: Освоение и демонстрация технологии IBM Big Data

  • Отраслевая кастомизация технологий

  • Оказание услуг по созданию прототипов корпоративных решений

  • Предоставление виртуальных стендов IBM Big DataBig для удаленного использования у заказчика (накопление практик - ВШЭ)

  • Передача знаний от IBM: обучение персонала

  • Реализация проектов

В декабре 2012 создан первый полнофункциональный виртуальный тестовый стенд IBM Big Data для ИПИ РАН с удаленным доступом к вычислительным ресурсам и инструментальным средствам


Intranet исследовательского и учебного процессов в области банковской аналитики в МИЭМ ВШЭ

Инфраструктура ЦК ЕСЛБазовые кафедры по аналитике(подготовка кадров)

IBM zSeries

Сервера (mainframes):

1) IBM System z1142818-M052) IBM System z10 BC model 2098-E10

3) IBM zSeries z94) IBM zSeries z800-2066

Операционные системы:

1) z/OS

2) Linux for System z (SuSE, Redhat)

3) ISX

4) z/VM

IBM Pure Data “Netezza”

3563-CCO IBM PureData System for Analytics N1001-002 Appliance for System z Appliance

IBM Pure Data “Netezza”

3563-CCO IBM PureData System

for Analytics N1001-002 Appliance

ЛВС и SAN сети вычислительного центра

Сервера:

1) IBM PowerSystemBladeServers 7778-23X(JS23)

в стойке BladeCenter 7989-BCH

Операционные системы:

1) AIX

2) LinuxforSystemp (SuSE, Redhat)

IBM pSeries

DMZ

АРМ управление инфраструктурой

Внутренний

Firewall

IBM xSeries и HP (Intel)

  • Сервера:

  • HP BL460cG6 двухпроцессорный четырехядерныхблэйд-сервер (3 сервера)

  • IBM хSeries 460 четырехпроцессорных сервера (2сервера)

Внешний

Firewall

SSH, sFTP, HTTPs

Internet

VPN

Программное обеспечение : Более 900 продуктов IBM и др.


Лабораторные работы Центра компетенции по технологии IBM Big Data


Лабораторные работ Центра компетенции по технологии создания Корпоративных хранилищ данных (КХД) предприятия


Лабораторные работ Центра компетенции по технологии создания Информационно-аналитических систем предприятия


Центр компетенции по компетенции по технологии создания Информационно-аналитических систем предприятияIBM Big Data

Приглашаем посетить центр компетенции,

ознакомиться с технологиями IBM BigData,

принять участие в создании виртуальных отраслевых стендов

www.ec-leasing.ru

Тел.: (495) 319-58-09 Факс: (495) 319-69-90 e-mail:[email protected]


Постановка задач при создании информационно-аналитических систем в банковском секторе

Анализ социальных сетей для оценки кредитоспособности заемщиков

Анализ Интернет-ресурсов для системы раннего реагирования

Управление кредитным риском

Банковское регулирование и надзор

Коммерческие банки

Банк России

Платежная система РФ

Анализ неструктурированных данных для обеспечения эффективности платежной системы РФ


Анализ Интернет-ресурсов информационно-аналитических систем в банковском секторедля системы раннего реагирования

Отношение населения

Депозиты

Девиантная активность

Задачи

Расчеты

Степень удовлетворенности

Пластиковые карты


Анализ неструктурированных данных обеспечения эффективности платежной системы РФ

Внутренние данные (отчеты)

Выявление факторов

Оперативный анализ

Задачи

Потоковые данные (логи)

Сравнительный анализ

Интернет-ресурсы


Анализ социальных сетей данных обеспечения эффективности платежной системы РФдля оценки кредитоспособности заемщиков

Ранжирование заемщиков

Потребности заёмщика

Социологическая характеристика заёмщика

Оценка рисков

Задачи

Выявление факторов

Кредитоспособность заёмщика


Выводы данных обеспечения эффективности платежной системы РФ

Сейчас

В ближайшие годы потребности в специалистах Data analystв направлении predictive analytics составит 50-70 тыс. человек в год. Однако подготовки студентов по этой специальности нет ни в одном вузе страны.

Предлагается сформировать поручение Министерству образования и науки РФ (Государственная Дума ) о подготовке соответствующих специалистов в необходимых количествах и отработать на базе ВШЭ прототип специальности.


В будущем данных обеспечения эффективности платежной системы РФ

Вирджиния Рометти– IBM CEO:

«Что нас ожидает в следующие 30 лет - самообучающиеся компьютеры»


www.ec-leasing.ru данных обеспечения эффективности платежной системы РФ


ad