Технологии «больших данных» в важнейших отраслях
advertisement
Компания CITO Research Совершенствование мастерства технологических лидеров Технологии «больших данных» в важнейших отраслях При поддержке QlikView Содержание Введение: Какое значение «большие данные» имеют для моей организации? 1 Как платформа QlikView Business Discovery помогает в работе с «большими данными» 1 «Большие данные» в здравоохранении 2 «Большие данные» в сфере финансовых услуг 4 «Большие данные» в отрасли телекоммуникаций 8 «Большие данные» в сфере розничной торговли 8 Заключение 9 Технологии «больших данных» в важнейших отраслях Введение: Какое значение «большие данные» имеют для моей организации? Исчерпывающее представление о деятельности организации больше невозможно получить, ориентируясь лишь на хранилища структурированных данных, полных проверенной информации, которая генерируется исключительно в стенах компании. Широко используемые сейчас интеллектуальные счетчики, мобильные устройства, социальные медиа, системы радиочастотной идентификации, веб-журналы регистрации и другие источники формируют совершенно новое пространство данных. Вместе с тем во многих отраслях компании только начинают осознавать, что эра бумажной документации подходит к концу. Исчерпывающее представление о деятельности организации больше невозможно получить, ориентируясь лишь на хранилища структурированных данных, полных проверенной информации, которая генерируется исключительно в стенах компании. Использование технологий «больших данных» требует признать, что ценные знания о работе организации, ее клиентах и окружении в целом можно получать из внешних источников, а также рассматривая имеющиеся данные под новым углом зрения. Организациям в каждой отрасли бизнеса необходима возможность исследовать «большие данные» и получать уникальные знания. Однако на сегодняшний день существует огромный разрыв между преимуществами технологии «больших данных» и возможностями инструментов, помогающих бизнес-пользователям осуществлять их анализ. Компания CITO Research предприняла исследование с целью найти новые инструменты и методы, благодаря которым бизнес-пользователи смогут полностью задействовать потенциал «больших данных». Располагая достаточно эффективным инструментом для работы с «большими данными», таким как платформа QlikView класса Business Discovery, вы получите возможность создать развернутую модель деятельности организации и ее более широкого окружения, и учесть явления, которые не смогли бы распознать другими способами. Вы сможете взглянуть на организацию со стороны и выявить тенденции, которые обеспечат конкурентные преимущества, позволят проводить практические усовершенствования бизнес-деятельности и даже спасать жизни людей. Как платформа QlikView Business Discovery помогает в работе с «большими данными» Компания CITO Research провела глубокий анализ системы QlikView от ведущего поставщика решений бизнес-аналитики для конечных пользователей. QlikView представляет собой так называемую платформу класса Business Discovery – разновидность систем для исследования данных, которая обеспечивает пользователям возможность самостоятельного бизнес-анализа. Аналитики CITO на своем опыте убедились, что в отличие от традиционных инструментов бизнес-анализа, где возможности статических предопределенных отчетов и информационных панелей ограничены простой фильтрацией, выборками данных и детализацией, QlikView предоставляет бизнес-пользователям возможность с легкостью исследовать и систематизировать «большие данные», причем совершенно самостоятельно. QlikView – надежная и безопасная платформа, которая располагает мощными возможностями создания пользовательских приложений и работы с мобильных устройств, и упрощает совместное принятие решений. Характерной особенностью «больших данных» является то, что и сами данные, и их структура постоянно изменяются, зачастую самым непредсказуемым образом. Вместе с тем ни одно предприятие не станет отказываться от использования тщательно структурированных баз данных. Чтобы предоставить пользователям важнейшие знания, служащие основой для конкретных действий, инструмент бизнес-анализа должен выполнять запросы одновременно к структурированным и неструктурированным источникам данных. В случае QlikView такой процесс не только возможен, но и является интуитивно понятным. После обработки данных формируется их представление по ассоциативному принципу, в котором каждое значение определенным образом ассоциировано с любым другим. В предыдущих информационных материалах мы сравнивали такой механизм с «оптоволо- 1 Технологии «больших данных» в важнейших отраслях конной паутиной», все точки которой связаны между собой. Когда пользователь тянет за одну из нитей, то есть выбирает некоторое значение, система выделяет связанные элементы в других полях, показывая новые пути анализа данных и раскрывая новые виды взаимосвязей. Это дает конечным пользователям возможность «на лету» создавать аналитические приложения, и задавать вопросы, возникающие с появлением новых данных. QlikView – надежная и безопасная платформа, которая располагает мощными возможностями создания пользовательских приложений и работы с мобильных устройств, и упрощает совместное принятие решений. Аналитики CITO Research обнаружили, что QlikView в корне меняет подходы к использованию «больших данных» в ряде отраслей. Представленный далее обзор иллюстрирует значительные преимущества для бизнеса и возможности выделиться среди конкурентов, которыми пользуются компании благодаря внедрению платформы QlikView. «Большие данные» в здравоохранении Поставщики медицинских услуг, такие как больницы, клиники, службы медицинского ухода на дому, центры реабилитации и хосписы, осуществляют сбор и хранение огромных объемов разнообразных данных о пациентах – от отдельных результатов диагностики до обширных демографических данных. Превратить эти данные в важнейшую практическую информацию – весьма сложная задача. Многие организации здравоохранения до сих пор испытывают трудности при поиске ответов на некоторые вопросы, например: Какой поток пациентов следует ожидать? Какова вероятность того, что больной станет повторным пациентом, будет пренебрегать медицинскими рекомендациями или пропускать запланированные приемы у врача? Как наилучшим образом обеспечить больницу оборудованием и медикаментами? Как сформировать штат больницы? Как обеспечить соответствие нормативным требованиям и новым предписаниям, не снижая при этом уровня обслуживания? Как повысить качество лечения, удовлетворенность пациентов и эффективность работы операционных и отделений неотложной помощи, обеспечив при этом снижение затрат? Больницы собирают самые разные сведения – от данных об оперативной деятельности, таких как информация о цепочках поставок, табели учета рабочего времени и записи о стаже сотрудников, до медицинских данных, например, рентгеновских снимков и результатов МРТ. Медицинские данные, как правило, имеют неструктурированный характер – взять, к примеру, врачебные записи или изображения – и поэтому для работы с ними не подходят обычные системы реляционных баз данных или инструменты бизнес-анализа. При этом для медицинской информации часто требуется реализовать перекрестные ссылки на многие данные, доступные с помощью этих средств. Здесь стоит учитывать безусловные преимущества экономии времени и повышения точности, достигаемые благодаря объединению всех источников данных в общее представление. Поставщики медицинских услуг располагают огромными коллекциями данных, но часто не могут получить ценных с практической точки зрения знаний, поскольку многие процессы осуществляются вручную, и для работы с разными типами данных предусмотрены разные инструменты, почти всегда находящиеся в руках разрозненных групп пользователей. Теперь поставщики медицинских услуг могут соотнести данные конкретных пациентов за прошлые периоды с результатами текущих лабораторных исследований, и связать эту информацию с более масштабными демографическими данными, такими как определенные Центрами санитарно-эпидемиологического надзора группы населения, предрасположенные в этом году к заболеванию гриппом, или ретроспективная информация о реакции на препараты и взаимодействии лекарств для пациентов любого возраста, пола и этнической принадлежности – и все это в одной системе. 2 Технологии «больших данных» в важнейших отраслях Кроме того, все инструменты находятся в руках именно тех специалистов, которым необходимо оперативно принимать решения – врачей, медсестер и администраторов больниц. Возможность выполнять ассоциативный поиск по всем структурированным и неструктурированным данным полностью меняет подход поставщиков медицинских услуг к диагностике и лечению пациентов. Медики часто были вынуждены использовать при лечении заболеваний метод проб и ошибок. Процесс, в ходе которого последовательно предлагаются и отклоняются разные диагнозы и схемы лечения, не только является неэффективным, но и может оказаться слишком затратным для поставщика услуг и причинить вред пациенту. Все инструменты находятся в руках именно тех специалистов, которым необходимо оперативно принимать решения – врачей, медсестер и администраторов больниц. Использование QlikView для анализа «больших данных» позволяет поставщикам медицинских услуг сократить длительность пребывания пациентов в стационаре, сдержать рост затрат и снизить число повторных госпитализаций. Медицинские учреждения США демонстрируют окупаемость инвестиций в переход на безбумажный документооборот, и внедряют новые электронные системы с целью получить финансирование по программам «Медицинское попечение» (Medicare) и «Медпомощь» (Medicaid) в соответствии с требованиями по эффективному использованию этих систем (Meaningful Use). Исследователи повышают качество клинических испытаний благодаря более глубокой детализации данных электронных записей и выявлению отклонений. Поставщики медицинских услуг принимают оперативные и вместе с тем более обоснованные и объективные решения, используя широкую базу достоверных данных, и обеспечивают повышение эффективности и качества предоставляемой медицинской помощи, спасая при этом еще больше жизней. Национальная служба здравоохранения Великобритании (NHS) использует QlikView для мониторинга приоритетных проблем и предоставления всей необходимой информации советам директоров территориальных отделений. Поскольку эта система находится на государственном финансировании, к каждому отделению предъявляются жесткие требования не только по повышению качества медицинской помощи, но и по эффективному управлению затратами. В частности, служба NHS с нескольких точек зрения рассмотрела загруженность и эффективность работы своих хирургических отделений. Сотрудники NHS собрали данные по частоте повторных госпитализаций и пропущенных приемов у врача, общему времени нахождения пациента в операционной, обеспеченности медицинскими препаратами и материалами во время операции и их доступности, и общему количеству времени, которое хирург затрачивает на выполнение операций в сравнении с административными или подготовительными мероприятиями. Использование QlikView для определения несоответствий в этих показателях позволило NHS повысить загруженность операционных на 2%, что обеспечило экономию в размере 20 тыс. фунтов в неделю. В результате пациентам не только быстрее проводят операции по жизненным показаниям, но и быстрее выписывают их из стационара, освобождая место для других; кроме того, снижается риск вторичных инфекций у прооперированных больных. Общий эффект может быть довольно впечатляющим – так, в больнице скорой медицинской помощи Colchester, принадлежащей системе NHS, на следующий год после внедрения QlikView летальность снизилась на 158 случаев. University Hospital Tübingen, больница в Германии на 1500 койко-мест, ежегодно обеспечивающая пребывание 67 тыс. стационарных пациентов и проведение 330 тыс. амбулаторных процедур, использовала QlikView для оптимизации работы отделений хирургии. Руководство больницы намеревалось расширить спектр и увеличить объем хирургических операций у детей на амбулаторной основе без расширения соответствующих отделений, чтобы выделить один дополнительный операционный день раз в две недели для использования другими хирургами и для других пациентов. 3 Технологии «больших данных» в важнейших отраслях История болезни пациента Общий эффект может быть довольно впечатляющим – так, в больнице скорой медицинской помощи Colchester, принадлежащей системе NHS, на следующий год после внедрения QlikView летальность снизилась на 158 случаев. Предыдущий диагноз Демографические тенденции Международная статистика по заболеваемости и опасные районы Довольный пациент Технологии «больших данных» расширяют возможности предприятий здравоохранения Через шесть месяцев после внедрения QlikView больница University Hospital получила полный день дополнительного операционного времени в неделю, что в два раза превысило исходную цель. В течение следующих двух лет больнице удалось выделить два полных дня в неделю для проведения дополнительных операций. В настоящее время хирургические отделения больницы могут выполнять более 250 дополнительных операций в год (из них 60 у детей и 190 у других категорий пациентов). «Большие данные» в сфере финансовых услуг Бизнес-деятельность в сфере финансовых услуг всегда строилась на основе данных. Однако с началом эпохи широкого коммерческого использования Интернета сравнительно легко контролируемое взаимодействие между профессионалами, использующими специализированные информационные системы, превратилось в поток «больших данных» из множества разных источников, причем для трейдеров, банковских и страховых специалистов, брокеров, финансовых агентов и потребителей услуг эти данные имеют огромное значение. «Большие данные» в банковской сфере Перед розничными и коммерческими банковскими организациями стоят свои проблемы: под давлением акционеров все более крупные банки вынуждены увеличивать суммы вкладов и повышать общую доходность. При этом одним из главных препятствий для многих крупных розничных банков становится корпоративная структура, в соответствии с которой результаты деятельности учитываются в отдельных филиалах, где были открыты счета и предоставлены услуги. Благодаря глобальной консолидации банковской деятельности, распространению банкоматов и систем интернет-банкинга операции из разных точек осуществляются сравнительно прозрачно для потребителя, однако сами банки до сих пор с трудом могут приспособиться к изменчивым предпочтениям клиентов. 4 Технологии «больших данных» в важнейших отраслях Рассмотрим пример одного из ведущих международных банков, который насчитывает более 1000 филиалов и свыше 3 миллионов клиентов, и ежегодно выполняет сотни миллионов банковских операций. Перед руководством банка встала задача анализа всех данных, которые генерируются в разветвленной сети филиалов в результате сделок с клиентами. Типична ситуация, когда клиент открывает счет в одном филиале, за несколько лет неоднократно меняет домашний адрес, а большинство операций выполняет из филиала, расположенного вблизи от места его работы. При этом предоставленные клиенту продукты и сделанные им вклады будут отнесены к тому филиалу, где изначально был открыт счет. Кроме того, прямой маркетинг, направленный на этого клиента, осуществляет главным образом данный филиал; это неэффективно, если 90% операций клиент производит через другие филиалы или региональные отделения. Чтобы решить данную проблему, специалисты этого международного банка создали приложение QlikView, обеспечивающее высшему руководству расширенные возможности аналитики для принятия более эффективных решений. Приложение получает потоки данных из множества источников, в том числе многотерабайтных хранилищ данных Teradata. Оно обеспечивает мониторинг всех зарегистрированных операций, позволяя банку понять специфику поведения клиентов, чтобы более направленно осуществлять сопутствующие продажи, предлагать клиентам услуги высокого качества, более точно поддерживать уровень внутренних доходов и применять эффективную систему компенсаций. Клиенты теперь получают целевые предложения от того филиала, услугами которого они постоянно пользуются, а не от того, где они открывали счет. В результате увеличение средств на депозитных счетах превысило целевые показатели на 3%, что немало с учетом положения банка на национальном рынке. «Большие данные» в сфере биржевой торговли и инвестирования За последнее десятилетие темпы распространения и масштабы электронной торговли ценными бумагами чрезвычайно возросли. Объемы информации с таких торговых площадок, как биржи, данных рыночных котировок от коммерческих поставщиков, и данных внутренних аналитических систем велики как никогда. Многие торговые фирмы долгие годы пользуются доступом к качественным данным о биржевых котировках от ведущих информационных агентств, подобных Bloomberg, Reuters и FactSet. Каждая из этих систем имеет собственный формат данных и встроенные средства аналитики. Однако выявление тенденций и отклонений и сопоставление их с внутренними наборами данных всегда представляло для финансовых фирм большие трудности, которые теперь усугубляются необходимостью учитывать огромные запасы неструктурированных данных из источников новостной информации и данных интернет-операций из таких хранилищ, как платформы Hadoop. Использование QlikView позволяет финансовым организациям комбинировать данные об эффективности работы трейдеров, биржевых котировках, неструктурированную новостную информацию, данные пользователей и данные главной книги бухгалтерского учета, чтобы получать недоступные ранее знания в рамках единого пользовательского интерфейса. Это открывает возможности для молниеносного принятия решений, которые и определяют разницу между успешными и неудачливыми игроками фондового рынка. 5 Технологии «больших данных» в важнейших отраслях «БОЛЬШИЕ ДАННЫЕ» ФИНАНСОВОЙ ОТРАСЛИ НЕ СПЯТ НИКОГДА Сотни миллионов торговых операций Миллионы бухгалтерских проводок КАЖДУЮ СЕКУНДУ, КАЖДЫЙ ДЕНЬ Петабайты пользовательских данных Тысячи новых источников ТЕНДЕНЦИИ УГРОЗЫ ВОЗМОЖНОСТИ Вместо того чтобы дни напролет проводить в фирме, ожидая, пока сотрудники спешно пытаются найти ответы на импровизированные вопросы, аудиторы могут самостоятельно выполнять запросы к данным и немедленно получать необходимые ответы. Возможности бизнес-аналитики для конечных пользователей, предоставляемые QlikView, имеют жизненно важное значение не только для победы над конкурентами. Они помогают фирмам эффективно реагировать на запросы регулируемого сообщества и обеспечивают высокую готовность противостоять мошенничеству на бирже и манипуляциям с курсами акций. Кроме того, чтобы обеспечить соответствие требованиям таких нормативных актов, как стандарты Базель III и закон Додда-Франка, необходима повышенная прозрачность операций, гибкая аналитика и убежденность в правильности принимаемых решений. К примеру, один из ведущих операторов фондового рынка использует QlikView, чтобы предоставить федеральным органам регулирования непосредственную возможность анализировать данные о сотнях миллионов сделок – без необходимости выделять персонал для подготовки ненадежных отчетов вручную или помогать аудиторам в утомительном исследовании электронных и бумажных документов. Вместо того чтобы дни напролет проводить в фирме, ожидая, пока сотрудники спешно пытаются найти ответы на импровизированные вопросы, аудиторы могут самостоятельно выполнять запросы к данным и немедленно получать необходимые ответы. В результате значительно сократилось количе- 6 Технологии «больших данных» в важнейших отраслях ство запросов регулирующих органов, а также время и средства, необходимые на подготовку ответов. Пользователями QlikView стали тысячи сотрудников фирмы, выполняющих функции обслуживания клиентов, организационно-контрольные функции и обработку документации во всех подразделениях – службах продаж, маркетинга, исследовательских отделах, отделах торговых операций, финансовых и операционных отделах, службах управления рисками и персоналом. «Большие данные» в сфере страхования Общая доходность страховых компаний во многом определяется размерами денежных сумм, полученных по страховым полисам (премий) и сумм, выплаченных в связи с убытками (возмещений). Как правило, решения по этим суммам принимаются на основе ретроспективных данных объединенных групп клиентов, связанных с данными статистики географическим расположением, типами катастрофических событий, рисков и так далее. Подобный избыток данных существенно затрудняет целенаправленное принятие решений, особенно когда страховые компании пользуются множеством традиционных изолированных источников данных и инструментов аналитики. Использование QlikView позволило компаниистраховщику выявить случаи мошенничества, которые не удавалось обнаружить с помощью отчетов традиционных систем бизнес-аналитики. В настоящее время QlikView применяется в нескольких крупных американских страховых агентствах для анализа возмещений на уровне операций, андеррайтинга и сведений об инвестициях. Страховщики теперь могут соотносить данные для отдельных клиентов и групп, и создавать перекрестные ссылки между претензиями и данными андеррайтинга, актуарной оценки, сведениями о рисках и выявленных случаях мошенничества. Кроме того, большая часть данных страховой претензии имеет нечисловой формат и включает специфические текстовые комментарии. QlikView позволяет анализировать неструктурированные текстовые данные, сопоставляя их с данными структурированного формата в рамках той же платформы. Крупные компании каждый год получают миллионы страховых претензий, и не имеют возможности одинаково подробно изучить их все. Но QlikView помогает этим фирмам эффективно анализировать каждую поступившую претензию, сигнализируя о проблемах, заслуживающих более пристального внимания отдела по расследованию страховых случаев. Одна из американских страховых компаний в процессе выхода на международный рынок использует QlikView, чтобы ускорить и усовершенствовать процессы управления полисами, поскольку ее клиенты находятся в разных странах, где действуют разные законы, нормативные акты и стандарты данных. Схемы мошенничества и демографические тенденции, которые когда-то были совершенно непрозрачными, теперь можно легко выявить благодаря способности QlikView собирать данные в любой форме из множества источников и сразу же наглядно представлять имеющиеся ассоциации. Одна из ведущих американских страховых компаний использовала традиционную систему бизнес-аналитики для выполнения анализа претензий на больших объемах часто обновляемой информации об операциях по претензиям. Для реализации проектов с использованием традиционных технологий бизнес-анализа требовалось в среднем около семи месяцев. После внедрения решения QlikView длительность проектов по анализу того же набора данных стала составлять не более семи недель. Более того, использование QlikView позволило компании-страховщику выявить случаи мошенничества, которые не удавалось обнаружить с помощью отчетов традиционных систем бизнес-аналитики. 7 Технологии «больших данных» в важнейших отраслях «Большие данные» в отрасли телекоммуникаций Телекоммуникационные компании осуществляют миллионы операций и сталкиваются с жесткой необходимостью максимально повысить эффективность, уменьшить отток абонентов и обеспечить соответствие нормативным требованиям. Каждый раз при установлении соединения между двумя транзитными пунктами создается запись регистрации вызова (CDR). Телекоммуникационные компании зачастую генерируют ежедневно сотни миллионов записей CDR, которые необходимо архивировать и сохранять для целей будущего анализа – особенно сейчас, когда возрастают угрозы, связанные с деятельностью террористических сетей, мошенничеством и электронным шпионажем. Ведущий международный оператор оптовых услуг связи и мировой лидер в области услуг передачи данных по мобильным сетям использует QlikView в процессе быстрых ситуативных исследований сотен миллионов записей, часто проводимых для получения небольшого набора критически важных сведений. Благодаря ассоциативному анализу этот оператор способен увидеть такие взаимосвязи, которые невозможно обнаружить с помощью традиционных систем бизнес-аналитики и инструментов хранилищ данных. Более того, оператор может заметить их всего за несколько минут, не тратя многие часы или даже дни на выполнение обычных запросов. Эта разница играет критическую роль, позволяя быстро предпринимать направленные и четкие действия в случае проблем, инцидентов, резкого падения или повышения уровня трафика и других подобных событий. «Большие данные» в сфере розничной торговли Компания Meta Information Architects, входящая в состав коммуникационного холдинга WPP, специализируется на консалтинге в области работы с данными. Она применяет решения QlikView, чтобы помочь предприятиям сферы развлечений, электронной коммерции и розничным франшизам более эффективно использовать имеющуюся информацию. Meta использовала QlikView в качестве платформы разработки приложений, позволяющих удовлетворить потребность заказчиков в глубоком понимании закономерностей поведения потребителей. Благодаря QlikView аналитикам Meta удалось разработать инструмент комплексной оценки; для этого потребовались усилия двух разработчиков и всего 10 рабочих дней, что позволило сократить срок окупаемости. Крупной сети пиццерий требовалось идентифицировать виды продукции, с которыми связаны финансовые потери, чтобы снять их с продажи. Специалисты Meta помогли этой компании проанализировать 57 миллионов записей об операциях, собранных воедино из 35 разных источников данных. Анализ охватывал 500 точек продаж пиццы в США, расположенных в торговых объектах нескольких типов. Благодаря QlikView аналитикам Meta удалось разработать инструмент комплексной оценки для анализа всех собранных данных. Для его создания потребовались усилия двух разработчиков и всего 10 рабочих дней, что позволило сократить срок окупаемости. Использовав данный инструмент комплексной оценки для внимательного изучения всех характеристик магазинов, таких как расположение, площадь, подробные сведения о продуктах, торговых операциях и годовые финансовые показатели, аналитики Meta смогли разработать общую концепцию КПЭ, адаптируемых для всех уровней предприятия, в том числе для членов совета директоров и отдельных франчайзи. Каждый франчайзи получил возможность через безопасный веб-интерфейс ознакомиться с централизованно размещенными отдельными наборами данных. Владельцы магазинов смогли совместно использовать полученные данные о выбранных продуктах и другие показатели. За счет отказа от убыточных позиций ассортимента, определенных в результате исследования данных с помощью QlikView, компании удалось сэкономить 500 тыс. долларов. 8 Технологии «больших данных» в важнейших отраслях Заключение Во многих отраслях применение технологий «больших данных» способно открыть перед организацией широкие возможности – если она предпримет усилия, чтобы предоставить необходимые инструменты специалистам, ответственным за принятие решений. Во многих отраслях применение технологий «больших данных» способно открыть перед организацией широкие возможности – если она предпримет усилия, чтобы предоставить необходимые инструменты специалистам, ответственным за принятие решений. Максимальную выгоду от использования неструктурированных «больших данных» из новых источников можно извлечь благодаря их сопоставлению со стандартизованными, структурированными корпоративными данными, которые организации и учреждения десятилетиями тщательно собирали и контролировали. Компания CITO Research пришла к выводу, что платформе QlikView Business Discovery предстоит сыграть важную роль в предоставлении «больших данных» в удобном для конечных пользователей виде. Благодаря QlikView «большие данные» становятся ценным активом, позволяющим достичь всей совокупности целей организации – от обеспечения соответствия нормативным требованиям и снижения затрат до укрепления здоровья и повышения качества жизни людей. Компания CITO Research Компания CITO Research публикует новости, аналитические материалы, исследовательские отчеты и другую информацию, которая представляет интерес для руководителей ИТ-подразделений, технических директоров, других специалистов ИТ-отрасли и бизнесменов. Собирая и анализируя трудную для восприятия информацию о новых технологических тенденциях, CITO Research организует мероприятия, где обсуждается возможность решения реальных бизнес-проблем. Наш адрес: http://www.citoresearch.com Данный материал создан компанией CITO Research при поддержке QlikView. 9
