ИР ППТ

1.

ИНФОРМАЦИОННЫЕ
РЕСУРСЫ
Оценка и использование мировых
информационных ресурсов
Социальные и хозяйственные отношения
Выполнил: Марков Кирилл Евгеньевич гр.ИБ-562
DATA

2.

Что такое информационные ресурсы?
Данные, документы, знания и цифровые
сервисы
Ресурс ценен, когда помогает принимать
решения
02 / 30

3.

Почему тема важна?
• Информация влияет на
экономику, управление и
повседневную жизнь
• Качественные данные
сокращают неопределённость

4.

Цель доклада
• Показать, как оценивать
полезность
информационных ресурсов
• Рассмотреть их практическ
ое применение

5.

Основные виды информационных ресурсов
По форме
представления
По
способу доступа
По назначению
Текстовые
Графические
Аудио
Видео
• Открытые
• Ограниченные
• Платные
Научные
Образовательные
Культурные
Деловые
Развлекательные
По уровню
организации
Мировые
Национальные
Региональные
Локальные
05 / 30

6.

Информация как экономический ресурс
Краткая характеристика:
• Неисчерпаемость
• Тиражируемость
• Моральное старение
• Специфичность
• Как ресурс: сырье для
принятия решений, основа для
инноваций и технологий.
• Как товар: объект куплипродажи (патенты, ноу-хау, базы
данных, контент).

7.

Критерии оценки ресурса
Релевантность - по теме
Достоверность - проверено
Полнота - хватает данных
Актуальность - свежо
Доступность - удобно
Эффективность - оправдано
Уникальность - оригинально
Легитимность - законно

8.

9.

Источники данных
По
происхождению
По отношению к
организациям
• Первичные:
• Внутренние:
документы,
бухгалтерия, отчё
отчёты, статистика
ты подразделений
• Вторичные:
• Внешние:
обзоры, статьи,
госстатистика,
аналитика,
рынок,
справочники,
конкуренты
СМИ
По статусу
По форме
• Официальные:
законы, госреестры,
отчёты органов
власти
• Неофициальные:
соцсети, форумы
• Традиционные
: книги, газеты,
документы
• Цифровые:
сайты, базы
данных, ИИсервисы
15 / 30

10.

Социальная польза
Образование: онлайн-курсы, открытые
библиотеки
• Здравоохранение: телемедицина,
электронные карты, информирование
• Госуслуги: онлайн-сервисы, прозрачность
• Безопасность: предупреждение о рисках
Рынок и занятость: вакансии, цены,
конкуренция, защита прав
Инклюзия: доступность информации для
людей с ограниченными возможностями
Экология и устойчивость: мониторинг
среды, энергоэффективность

11.

Хозяйственная польза
Рост эффективности: точные
решения
Снижение издержек:
экономия ресурсов, меньше
потерь и брака
Оптимизация процессов:
автоматизация
Инновации и развитие: новые
продукты, технологии
Маркетинг и продажи: анализ
спроса, точные коммуникации
Управление рисками:
прогнозы, страхование

12.

Риски использования
информации
• Асимметрия и утечки: потеря
конкурентного преимущества при
раскрытии данных
• Недостоверность ведёт к
ошибочным управленческим
решениям и убыткам.
• Правовые и
регуляторные нарушение
авторских прав, ответственность
за распространение.
• Быстрое обесценивание:
требует постоянных затрат на
актуализацию и защиту.

13.

14.

Крупнейшие
компаниивладельцы ИР
• Кто: Alphabet(Google), Apple,
Meta, Amazon, Microsoft (+ Netflix).
• Данные: 73 ЗБ в 2018 → ~175 ЗБ к 2025
(IDC).
• Трафик: ~50% мирового интернеттрафика - на 6 компаний.
• Суть: контроль данных → доминирование
в рекламе, e-commerce, облаках и ИИ.

15.

ArenaX
- киберспортивная платформа,
инвестиции в ИТ - 30 млн ₽.
Кризис:
• Стоимость владения: 65%
бюджета уходит на хранение
сырых логов и мусора (2 ТБ в
день).
• Качество: 40% базы - боты и
фейки. Отток реальных
пользователей - 25% за квартал.
• Итог: Инвесторы требуют
остановить проект из-за
отсутствия отдачи.

16.

Аудит: Куда уходят деньги
• Data Quality: 30%
профилей не привязаны к
игровому аккаунту
(разрозненность данных).
• Риски: Персональные
данные (IP) хранятся без
шифрования (угроза
штрафов).

17.

«Перезагрузка»
инфраструктуры
• Очистка (DataOps): Внедрение валидации
и антибота. База сократилась на 35%,
нагрузка на серверы упала в 2 раза.
• Оптимизация (Снижение TCO): Сырые
логи старше 3 месяцев переведены в
«холодное хранилище». Экономия: 1,5 млн
₽/мес.
• Единый профиль: Связали данные из
Steam, чата и магазина в единый дашборд
(понимаем, что и когда покупает геймер).

18.

Доказательство: A/B-тест (Изоляция эффекта)
• Задача: Доказать, что рост вызван данными, а не
выходом нового патча в игре.
• Метод: 2 группы по 100 тыс. юзеров (30 дней).
Показатель
Было (грязные данные)
Стало (очищенные
данные)
Конверсия
4,0%
5,12%
Ср.время просмотра
35 минут
50 минут
Отток
25%
22%
Результат (только за счет ИР):
• Конверсия в покупку билетов: +28%
• Время просмотра (Watch Time): +15 минут
• Отток (Churn Rate): -12% в сравнении с
прошлым показателем

19.

Общий экономический эффект
Показатель
До аудита
После оптимизации
Структура
затрат
65% - хранение
мусора
20% - трафик ботов
15% - полезная
нагрузка
15% - хранение мусора
5% - трафик ботов
80% - полезная
нагрузка
Итог
Расходы на ИТ
упали на 18 млн
₽/год
Качество базы 40% ботов, фейков,
данных
твинков
0% ботов, единый
профиль геймера
База очищена
Серверная
нагрузка
Пинг, лаги
Нагрузка снижена
вдвое
Стримы идут без
задержек
Монетезация
данных
Отсутствует
Продажа аналитики
спонсорам
+5 млн ₽/квартал
Фин.итог
(ROI)
Инвестиции не
окупаются
Окупаемость 8
месяцев
ROI = 160%

20.

DODO пицца
Проблемы до 2020 года:
• Каждая пиццерия сама решала, сколько продуктов закупать.
Управляющие тратили 4-5 часов в неделю на расчёты в
простых таблицах.
• Результат: постоянные «качели» - то перезакупка, то нехватка
• Причины: человеческий фактор
• Масштаб потерь: ошибки в заказах напрямую били по
клиентскому опыту и выручке каждого ресторана.

21.

«Единый мозг» на базе Dodo IS и Azure ML
(август 2020 - январь 2021)

22.

«2 минуты вместо 5 часов»
До (2020 год):
• Управляющий вручную сводит остатки, смотрит
вчерашние продажи, «на глаз» оценивает, сколько
теста и сыра заказать.
• Время: 4-5 часов в неделю. Риск ошибки: высокий.
После (с 2021 года):
• Управляющий открывает Dodo IS и
получает готовый список для заказа за 2
минуты.
• Система уже учла прогноз спроса, остатки на
складе и график поставок.
• Точность прогнозирования закупок выросла на 18%.

23.

Не «магия», а математика
Почему это сработало (изоляция
эффекта):
• Система не просто «угадывает» - она
учится на реальных данных
каждого ресторана и постоянно
корректируется.
• Эффект
подтверждён масштабированием:
в 2021 году система заработала в 50
ресторанах, после чего
тиражировалась на сеть.
• Ключевой результат: точность
прогноза +18% - следствие качества
данных и модели.

24.

«Данные приносят
деньги»
Прямая экономия (по данным
на 2021 год):
• До 4,5 млн ₽ в месяц сокращения прямых потерь
выручки
• До 54 млн ₽ в год - суммарный
эффект от масштабирования
системы
• До 1,1 млн ₽ в месяц экономия трудозатрат
управляющих

25.

Рекомендации по эффективному управлению ИР
1. Считайте полную стоимость владения (TCO), а не
только цену покупки
2. Проводите регулярный аудит качества данных
3. Выбирайте модель закупки под задачу
Для быстрого старта - подписка, для стратегических
данных - партнёрство.Открытые данные - для экономии
бюджета.
4. Управляйте рисками обесценивания и утечек
Данные стареют быстро. Закладывайте бюджет на
актуализацию
5. Монетизируйте ИР как продукт
Продажа обезличенной аналитики - дополнительные
источники выручки (пример: «ArenaX» +5 млн ₽/квартал).

26.

Вывод
• Информация = Актив. 92% стоимости
крупнейших компаний мира - это
нематериальные активы (данные, ПО,
бренд)
• Эффективность измерима. Считайте
TCO (все затраты) и ROI (отдачу), а
вклад данных доказывайте через A/Bтесты
• Качество > Объём. Очистка данных от
«мусора» - это не расходы, а прямая
экономия миллионов (кейсы Dodo Pizza)
• ИР - мультипликатор. Данные не
заменяют труд и капитал, а повышают
их эффективность

27.

Спасибо за внимание!