«Большие данные» - необходимость новой аналитики

Автор: head

Дата: 14.01.2017

PwC представил исследование феномена «Больших данных».  Зачем они нужны и как с ними работать? Ниже публикуем основные тезисы.

Предпосылки появления феномена «Больших данных»

Большие данные (от английского big data).  — это совокупность технологий, которые призваны совершать три операции. Во-первых, обрабатывать бо́льшие по сравнению со «стандартными» сценариями объемы данных. Во-вторых, уметь работать с быстро поступающими данными в очень больших объемах. То есть данных не просто много, а их постоянно становится все больше и больше. В-третьих, они должны уметь работать со структурированными и плохо структурированными данными параллельно в разных аспектах. Большие данные предполагают, что на вход алгоритмы получают поток не всегда структурированной информации и что из него можно извлечь больше чем одну идею.

Предпосылки появления феномена «Больших данных следующие:

1. Социальные сети
Социальные сети и мобильные устройства создают новые цифровые данные как внутри компании, так и за ее пределами.

2. Мобильность
Смартфоны открывают новые возможности для бизнеса. Возможность осуществления платежей с использованием цифровых устройств поддерживает развитие цифровой экономики.

3. Аналитика
Большие данные открывают огромные возможности для получения новых знаний о бизнесе. Однако компании должны доверять данным, от которых зависят те или иные решения.

4. Облачные технологии
Облачные сервисы разрушили существующую концепцию четкого физического расположения. Компании будут все больше полагаться на работу сервис-провайдеров, работающих с облачными технологиями.

Итак, рассмотрим: почему анализ данных так важен:

• oжидания руководства
  Необходимо максимально полно использовать имеющиеся технологии для увеличения объема выборок, улучшения качества, проверок и их влияния на бизнес, при этом укладываясь в ограниченный бюджет.
• конкурентная среда
  Конкуренты усиливают свои возможности.
• Ценности /Взаимосвязи
  Более полная аналитика может стимулировать дискуссии о существующих проблемах или развить/укрепить взаимоотношения.
• Развитие сотрудников.
  Эффективная интеграция с бизнес-аналитиками может улучшить понимание бизнеса у сотрудников отдела внутреннего аудита.
• Взаимодействие аудиторов и бизнеса
  Инновации и методы анализа, используемые при аудиторских проверках, могут в конечном итоге использоваться бизнесом.

 Пример технологий анализа данных:

1. Описание деятельности и аудиторская аналитика. Описание количественных показателей в рамках компании в целом и отдельных аудируемых лиц.

2. Формирование выборки по признакам риска. Определение аномалий и общих закономерностей в операциях с высоким уровнем риска.

3. Проверка процессов и контрольных процедур. Диагностика процессов и контрольных процедур на предмет целостности с помощью сквозного тестирования и симуляционного моделирования.

4. Тестирование данных. Тестирование данных на предмет полноты и целостности с помощью объединения разрозненных источников данных

 5. Сценарное моделирование. Комплексное моделирование процессов с использованием бизнес-требований или независимых источников.

6. Представление данных и подготовка отчетности. Краткое изложение основных вопросов для заинтересованных сторон и создание рабочих интерфейсов для периодического просмотра выводов. 

7. Получение ценной информации в основных областях аудита в результате развития технологий. Ваш путь к системе анализа данных.

 Что мешает эффективности Больших Данных показано на рисунке:
 

Важно помнить, что поставленные цели должны быть реалистичны и достижимы.  Цели должны совпадать с имеющимся бюджетом и навыками сотрудников. Также необходимо провести глубокий анализ имеющихся данных, их надежности, мест хранения и лиц, которыми они используются. И наконец, не забывайте оценивать влияние анализа данных на методологию аудита.