Большие Данные, как двигатель информационной революции.
В проникновении информационных технологий в процессы принятия экономических решений большие данные занимают особое место. Известная модель Нолана Нортона [9], описывающая основные этапы этой эволюции, включает в себя пять обязательных фаз: на первом – это чистые технологии (оборудование + язык программирования), на втором - добавляются минимальные приложения (редактирование текстов, построение электронных таблиц…), затем появляются возможности создания приложений под заказ пользователя (бухгалтерия, расчет зарплаты…), на четвертом - такие приложения стандартизуются и предлагаются в виде готового продукта на рынке ИТ (1С: Предприятие…). Высшим уровнем применения ИТ в бизнесе предприятия считался пятый этап – на нем ИТ участвует в процессах добавления стоимости (ERP-системы).
Здесь принципиально важно, что большие данные добавляют в эту логику шестой этап - они сами становятся бизнесом, превратившись в инструмент получения прибыли непосредственно из анализа данных, которые свободно извлекаются из открытых источников. При этом становится понятным, что никакой исключительности технологии больших данных нет: используемые технические и математические инструменты специалистам уже известны. Гораздо важнее понять социально-экономическую и правовую суть последствий их использования.
Питер Друкер не нашел в конце ХХ века достаточных оснований для объявления о четвертой информационной революции. По его мнению на тот момент не было зафиксировано таких изменений, которые по масштабу могли сравниться с имевшими место при предыдущей – третьей революции – появлении книгопечатания. Тогда, благодаря новой возможности копирования текстов и изображений мир получил новые возможности обучения – появились светские книги и возникли университеты, карты поверхности Земли раздвинули горизонты путешествий и были открыты новые земли. Содрогнулось религиозное мироустройство. Ничего сравнимого с таким глобальным воздействием и изменениями в жизни мирового сообщества информационные технологии по мнению П.Друкера не демонстрировали. Похоже, что сегодня, спустя 20 лет, он изменил бы свое мнение. Четвертая информационная революция с приходом Big Data в реальную экономику – свершилась. Появилась и сформировалась мировая информационная экономика – все свойства и последствия которой нам еще предстоит узнать. Исследователи верят, что мы – на пути к информационной цивилизации.
Станет ли информационный капитализм господствующей логикой накопления в наше время? Какие альтернативные траектории в будущее могут быть связаны с этими конкурирующими формами? Мы находимся в самом начале новой истории, которая приведет нас к новым ответам.
Новые ответы во многом зависят от того, насколько глубоко и своевременно мы разберемся в происходящих изменениях и сможем подготовить новое поколение населения пользователей сервисов глобальной сети.
Информационная революция в учебных планах университетской подготовки экономистов.
Современное образование должно ответить на серьезные вызовы актуального развития информационной экономики. Рассмотренные в данной статье вопросы напрашиваются на обсуждение и изучение в учебном процессе подготовки экономистов.
Представляется, что сложившаяся ситуация должна заинтересовать специалистов кафедр экономической теории и политэкономии. Действительно, история повторяется. В том числе и экономическая. Также как за промышленной революцией в мир пришел промышленный капитализм, информационный капитализм вторгся в мировую экономику вслед за свершившейся информационной революцией. Новое экономическое явление требует внимательного изучения и профессионалами и начинающими экономистами. Здесь много нового и не сразу можно понять, что из старого привычного знания может быть использовано для изучения этой экономической инновации. Фактически - реальная неограниченность ресурсов и нулевые предельные издержки рождают новую экономику. В отдельных отраслях информационной экономики доминирует необычное строение капитала: активы – нематериальны (это данные), производительные силы – тоже виртуальные – это программные агенты. Производственные отношения – где они? Как в условиях информационного капитализма будет формироваться политическая жизнь, когда основными работниками являются реальные и виртуальные роботы, а отношения между работодателями и работниками происходит при отсутствии социального контракта. При этом поведение избирателей – пользователей полностью контролируется, а их принятие решений может подвергаться целенаправленной коррекции. Какого типа общество сформирует информационный капитализм?
Может быть, прежде всего требует современного методического и научного политико-экономического описания само понятие информации, как экономической категории.
Новые вопросы информационный капитализм ставит перед экономической статистикой и ее преподаванием в вузе. Сегодня традиционный набор дидактических материалов, как правило, базируется на структурированных данных, получаемых из официальных открытых источников – государственных или корпоративных баз данных, формальных отчетов компаний. Иногда речь идет о работе с текстовыми данными. Теперь необходимо составить четкое представление о данных, порождаемых интернетом вещей, собираемых программными агентами в социальных сетях, накапливаемых разнообразными камерами наблюдения. Именно на таких данных надо научиться решать задачи построения кластеров и классификации, чтобы погрузиться в проблематику предиктивного анализа.
S.Zuboff приводит такую классификацию источников больших данных:
1. Данные, получаемые из опосредованных компьютером экономических трансакций: ERP, CRM, …
2. Корпоративные и государственные базы данных, в том числе связанные с банками, кредитными рейтинговыми агентствами, авиакомпаниями, налоговыми данными, операциями в области здравоохранения, кредитными картами, страховыми, фармацевтическими и телекоммуникационными компаниями и многими другими.
3. Internet of Things (IoT) - данные, получаемые с помощью миллиардов датчиков, встраиваемых во все большее количество объектов и мест: радары, беспилотные летательные аппараты, самоуправляемые автомобили, Smart Dust – «умные» наночастицы, «умные» устройства для дома…
4. Частные и государственные камеры наблюдения, включая всё - от смартфонов до спутников, от Street View до Google Earth поставляют данные гетерогенного транссемиотического характера.
5. Нерыночные виды деятельности: Большие Данные образуются путем сбора малых данных из опосредованных компьютером действий и высказываний людей, участвующих в информационном процессе.
При этом лишь источники 1 и 2 соответствуют традиционным данным, фигурирующим в экономической статистике, но они не составляют сегодня решающей доли в мировом информационном обороте.
Понимание природы данных нового типа, умение работать с ними на всех этапах их жизненного цикла – от поиска и сбора до презентации результатов их использования - требует и от учителей и учащихся новых знаний, наборов навыков и умений.
Подготовка в области математического обеспечения экономических решений также нуждается в обновлении. Это касается, прежде всего, эконометрики. Эта наука заслуженно занимает привилегированное место среди инструментальных дисциплин, но сегодня очевидна ее недостаточность для полноценного статистического анализа. Причинно-следственная парадигма, которой следует эта наука, ограничивает ее применение анализом имевших место экономических событий. Этот анализ включает в себя поиск и оценку факторов, влияющих на результаты принятия решений, построение моделей для оценки влияния этих факторов, проверки гипотез о значимости параметров модели – все то, что называется Causal Inference – умозаключение на основе анализа причин. Давно замечено, что всех причин найти не удается (а может – и в принципе невозможно), а по найденным - не получается собрать необходимые данные. Как правило, реальные эконометрические модели строятся не на данных о факторах, которые реально влияют на результат, а на тех данных, которые доступны. В результате такой анализ годится в той или иной степени для объяснения прошлого, но редко бывает успешно применим при попытке прогнозирования будущего. На существенный недостаток эконометрического инструмента категорически указывал еще Людвиг фон Мизес:
«Введенные в заблуждение идеей, что науки о человеческой деятельности должны подражать методу естественных наук, великое множество авторов поглощены квантификацией экономики. Они думают, что экономика должна подражать химии, которая развилась от качественного к количественному состоянию. Их девиз позитивистский принцип: наука — это измерение. Но они не в состоянии понять, что в области человеческой деятельности статистика — это всегда история, и что гипотетические корреляции и функции не описывают ничего, кроме того, что случилось в определённый момент времени в определённой географической области как результат деятельности определённого числа людей. Как метод экономического анализа, эконометрика — ребяческая игра с числами, которая не добавляет чего-либо в разъяснение проблем экономической действительности». [10]
В поисках альтернативы Х.Вариан различает причинное умозаключение (Сausal Inference) – и предсказание (Predicting). Предсказание – предмет активного интереса близкой к эконометрике науки – машинного обучения (Machine Learning), которая позволяет синтезировать результаты анализа данных в виде прогнозной оценки описываемого объекта или ситуации. Такой синтез основан на поиске шаблонов, образцов (pattern) в анализируемом множестве данных. При этом допускается произвольная природа данных и их нерегламентированные статистическими ограничениями (однородность, нормальность и т.д.) свойства, что принципиально для эконометрического анализа. Машинное обучение – с учителем и без учителя – является основным инструментом Больших Данных, роль которых в развитии информационной экономики мы обсудили ранее. Результатом работы алгоритмов машинного обучения является не строгое статистическое утверждение, качественно оцененное расчетом соответствующих статистик, но агностическое указание на наличие возможных закономерностей в наблюдаемой совокупности данных. Заказчик анализа вправе сам принять решение о значимости или незначительности выявленных связей. Сегодня спрос на такие результаты в предпринимательской среде и в государственных организациях переживает бум.
Таким образом, желательно расширение подготовки в области обработки данных за счет обязательного включения в учебный план и рабочие программы вопросов машинного обучения.
С машинным обучением тесно связаны проблемы информационного моделирования: описания данных, создания и использования их моделей. В этой части новое звучание должна приобрести экономическая информатика. Сегодняшнее присутствие в ней элементарных задач подготовки текстов и обработки электронных таблиц вряд ли можно считать оправданным. Традиционным объяснением присутствия этих материалов в расписании занятий экономистов первого курса является разный уровень подготовки поступивших абитуриентов в области информатики. Времена изменились. Большая часть первокурсников владеют необходимыми ИТ-инструментами в достаточной степени, недостаток навыков можно получить из дистанционных курсов (их много в свободном доступе) в качестве самоподготовки с возможной консультацией квалифицированных специалистов (в том числе – и из числа их более продвинутых коллег). Так можно активизировать реализацию идей смешанного обучения (Blended Learning). Более серьезное внимание необходимо уделить представлению «продвинутых» возможностей стандартных приложений, имеющих мировое признание и применение (в частности, EXCELL и ACCESS). В подготовке экономистов должны появиться темы, позволяющие обрести умения и навыки построения информационных моделей, моделирования бизнес-процессов, формирования ИТ-сервисов. Важно расширить знания студентов в области использования информационных систем, анализа их экономической эффективности, фундаментальных проблем экономики информации.
Пожалуй, наиболее важным обновлением сферы образования в эпоху наступающего информационного капитализма является расширение ОБЖ – основ безопасности жизнедеятельности. Дело здесь не только в полезных знаниях и навыках, оберегающих пользователей мобильных коммерческих услуг торговли или банкинга. Намного сложнее привить понимание правильного поведения в социальных сетях, уменьшающее вероятность манипуляции вашим поведением во имя кем-то сформулированной цели. Сюда же можно отнести необходимость формирования навыков хотя бы интуитивного распознавания ситуаций, этически неприемлемых, а тем более – уже описанных в гражданском и уголовном кодексе. Слепое стремление к популярности, оцениваемой количеством лайков на сетевой публикации, порой приводит юных авторов к размещению в своих блогах и на сайтах - материалов неприемлемого содержания. Как здесь построить учебный процесс, содержащий композицию изящного креатива и грустных судебных историй? Проблема ждет нашего решения.
Заключение.
Информационная революция пришла в университеты всего мира. Ее присутствие можно зафиксировать и на факультетах естественно -научного и социально – общественного направлений. Везде это присутствие обеспечивает выполнение – во-первых - основных задач по подготовке студентов и во-вторых - вспомогательных задач управленческого характера – организации учебного процесса, планово-финансовой деятельности, документооборота. На примере экономического факультета можно отметить две различных тенденции. Вспомогательные бизнес-процессы достигли высокого уровня автоматизации и предоставляют разнообразные ИТ-сервисы: личные кабинеты студентов и преподавателей, составление расписания, планово-финансовые и бухгалтерские задачи. Проникновение информационных революционных идей в суть преподаваемых курсов – дело намного более сложное и трудоемкое. Речь здесь идет конечно же не о дистанционном обслуживании учебных курсов, а о семантике преподаваемых дисциплин. Здесь есть достаточно места и для изложения традиционных тем, но и должна быть открыта возможность обсуждения актуальных проблем с позиций современной экономической информатики – науки об экономике информационных систем – они есть везде – и в банковском деле, и в сельском хозяйстве, уж не говоря об управлении организациями. Мы все прошли этап борьбы с компьютерной неграмотностью. Теперь наступил этап - информационного образования преподавателей и совершенствования учебных планов.
Литература.
1. Peter F. Drucker. The Next Information Revolution Forbes ASAP, August 24, 1998
2. Zuboff, S. (2015). Big Other: Surveillance Capitalism and the Prospects of an Information Civilization. Journal of Information Technology (2015), 30.
3. Varian, H.R. (2010). Computer Mediated Transactions, American Economic Review 100(2).
4. Varian, H.R. (2014). Beyond Big Data, Business Economics 49(1).
5. Hayek, F.A., (1998). The Fatal Conceit: The Error of Socialism. Chicago, Il., University of Chicago Press.
6. «Анализ лайков на Facebook» Портрет, нарисованный лайками. Gazeta.ru 12 марта 2013.
7. Michal Kosinskia, David Stillwella, and Thore Graepelb. Private traits and attributes are predictable from digital records of human behavior. PNAS of USA, Feb. 2013
8. Manyika, J. and Chui, M. (2014). Digital era brings hyperscale challenges.
9. Electronic Commerce: The Future is Here! Research Report. KPMG, 1999.
10. Ludwig von Mises. The Ultimate Foundation of Economic Science: An Essay on Method. Princeton: D.Van Nostrand, 1962. (p. 62)