Конвергентная платформа для анализа больших данных в процессе исследования инновационной системы региона

Введение

Повсеместное внедрение современных технологий цифровой экономики позволяет устранить ряд барьеров, препятствующих росту экономической активности субъектов хозяйственной деятельности и снизить высокие трансакционные издержки, затрудняющие взаимодействие участников экономических процессов. Достижения в области технологий работы с большими данными позволяют синтезировать и исследовать новые механизмы для оценки эффективности процессов взаимодействия участников социально-экономических систем в регионах на основе интеллектуального анализа больших данных полученных из открытых источников сети Интернет. Целью является разработка комплексной системы управления инновационным развитием и конкурентоспособностью предприятий, которая является важным компонентом цифровой экономики стран и регионов. Необходимость такой системы подтверждается тем, что в регионах и странах существует неоднородность, разнообразие и отличия финансово-экономических условий для перехода к информационным технологиям и формирования инновационной среды, объединяющей субъектов цифровой экономики. Актуальность исследований обусловлена множеством причин, к которым можно отнести уровень экономического развития региона, степень финансовой обеспеченности, социальное расслоение, уровень доступного образования, наличие квалифицированных кадров, исторические аспекты развития, предпочтения и привычки, особенности места проживания и т.п. Также следует отметить факт отсутствия необходимого уровня взаимодействия между участниками из-за высоких транзакционных издержек, что не позволяет эффективно использовать системный потенциал и снижает эффективность инновационного развития всего региона. Согласно неоинституционального подхода инновационная система региона должна рассматриваться через понятия категорий институтов и трансакционных издержек ^[1]. Целью оптимизации систем является минимизация трансакционных издержек экономических агентов, высокий уровень которых является барьером развития инновационной деятельности.

В настоящее время сложилась ситуация, когда возможности информационно-вычислительных систем позволяют решать задачи, которые ранее решались в течение большого времени и требовали значительных ресурсов. В качестве примера можно привести маркетинговые задачи определения показателей производства и реализации товаров, которые соответствуют существующему и прогнозному спросу потребителей. Решение данных задач фактически определяет планирование объема и сроков выпуска требуемой продукции с указанием количественных и качественных показателей ассортиментного перечня товаров. Рынок покупателей крайне неоднороден. Есть различия в поведении покупателей, характерные для разных регионов. Это обусловлено существующими финансовыми и экономическими возможностями потребителей, предпочтениями, привычками, особенностями места проживания и т.п. Таким образом, для управления процессами производства и продажи товаров необходимо рассчитать прогнозные количественные и качественные оценки потенциала всех торговых точек в регионах страны с учетом геопространственного местоположения и характеристик потребительского спроса разных социальных групп населения для различных категорий ассортиментного перечня товаров, продаваемых в каждом регионе. Для решения столь масштабной задачи требуются модели и методы интеллектуального анализа больших данных о характеристиках всех торговых объектов в регионах, о продаваемых товарах согласно ассортиментным матрицам каждого магазина, которые могут включать десятки тысяч наименований, об особенностях продаж и предпочтениях жителей конкретной местности, о различных факторах влияния, таких как сезонность, уровень доходов, транспортная доступность и т.д. Весь объем данных должен быть получен в процессе автоматизированного сбора данных из открытых источников сети Интернет ^[2]. Конечной целью является помощь административному персоналу в принятии управленческих решений, направленных на оптимизацию работы торгового предприятия с ориентацией на лидеров торговли в регионах путем синтеза индивидуальных ассортиментных матриц и увеличение объема продаж с целью повышения конкурентоспособности.

Аналогичные проблемы возникают при управлении процессами инновационного развития и конкурентного взаимодействия любыми субъектами цифровой экономики ^[3]. На первый план выходят задачи сбора и обработки больших данных о всех инновационно-активных предприятиях и инвесторах. Полученная информация необходима для оценки инновационного потенциала, инвестиционной привлекательности и конкурентоспособности предприятий регионов, прогнозирования динамики развития их инновационной активности в краткосрочной и среднесрочной перспективе.

Для решения данных задач требуется комплекс методов интеллектуального анализа, который включает модели и методы стратификации, иерархической кластеризации, многофакторного дисперсионного анализа, ранжирования предприятий, оценки и выбора инновационных лидеров, бенчмаркинг-анализа, прогностического моделирования и оценки стратегий инновационного развития и динамики конкурентоспособности и т.п. Фактически здесь реализуется конвергентный подход, который определяет процесс сближения разнородных информационных технологий в результате их эволюционного развития и взаимодействия для решения задач управления инновационной системой региона ^[4]. Комплекс моделей и методов для оценки инновационного потенциала и конкурентоспособности предприятий в современных рыночных условиях с учетом кризисных явлений предлагается реализовать в виде конвергентной системы распределенной обработки больших данных на основе параллельной потоковой архитектуры с применением технологий блокчейн для обеспечения безопасного взаимодействия агентов инновационной системы.

Конвергентный подход, конвергентные и гиперконвергентные системы

Термин конвергенция введен в 2002 г. М. Роко и У. Бейнбриджем для определения процесса сближения нано-, био-, информационных, когнитивных и социальных технологий ^[5,6]. В IT-сфере конвергенция связана с развитием информационных и телекоммуникационных технологий. Научно-технологическая конвергенция ^[7] определяет процесс взаимопроникновения технологий и стирания границ между ними, когда результаты и инновации появляются в междисциплинарной области знаний. Иногда процесс конвергенции рассматривается в качестве синонима целостного системного подхода, в основе которого лежит принцип интеграции и свойство является эмерджентности, когда новые качества у целостной системы появляются в результате соединения ее частей. Конвергентный подход, по нашему мнению, это результат синергетического взаимодействия ^[8] и взаимовлияния когнитивных, социальных, информационных, телекоммуникационных, нейробиологических технологий в процессе синтеза инструментария получения новых знаний и инноваций. Приведем пример. Процесс конвергенции технологий и систем стационарной и мобильной телефонной связи привел к тому, что абонентам доступны практически идентичные услуги, а сами системы связи тесно взаимодействуют друг с другом, но это не означает, что они интегрируются.

Результатом конвергентных процессов является развитие киберфизических и киберсоциальных систем и технологий в качестве мульмодальных инфраструктурных проектов. Киберфизические системы включают природные и технические объекты со встроенными системами дистанционного мониторинга и управления, сетевыми интерфейсами ^[9]. Таким образом, концепция киберфизического мира определяет системно-синергетический процесс интеграции вычислительных и физических систем и процессов в рамках единой среды Интернета вещей.

Классическим примером киберсоциальных систем, влияющих на развитие общества, становятся социальные сети. Они представляют собой социальный интеллект и общечеловеческую память в виртуальном пространстве, а также являются инструментарием для целенаправленного управления общественным сознанием ^[10]. Киберсоциальная система рассматривает отдельных индивидов (знаний, способностей, социально-культурных особенностей) в качестве неотъемлемой части системы наряду с физическим пространством ^[11].

В условиях цифровой трансформации экономики региональную инновационную систему с механизмом сетевого взаимодействия ее участников также можно определить, как киберсоциальную систему мезоэкономического уровня, объединяющую экономических агентов, формальные и неформальные институты, информационную среду, аналитическую платформу для обработки и хранения данных с элементами искусственного интеллекта для поддержки принятия решений, систему распределенного реестра для обеспечения безопасности и т.п. Следует отметить, что элементы любой киберсоциальной системы зависят от обеспечения безопасного и надежного доступа к основным информационным ресурсам.

Конвергенция технологий, как фактор современных эволюционных процессов, уже оказывает положительное влияние на инновационные процессы в экономических системах. Технологии сетевого взаимодействия, социальные сети, искусственный интеллект, технологии обработки больших данных, Интернет вещей, платформы блокчейн и смарт-контракты изменяют продукты конечного потребления, средства их производства, логистические процессы.

Конвергентные системы обработки и хранения данных открывают новый этап развития информационно-телекоммуникационной инфраструктуры ^[12,13]. Часто, конвергентной инфраструктурой называют сетевые вычислительные комплексы, содержащие все необходимое для решения задач организации. Фактически конвергентная система строится на базе такой инфраструктуры, которая включает сенсорные сети и Интернет вещей, облачные вычислительные кластеры, мультипроцессорные системы, системы мобильных вычислений.

Следующим этапом эволюционного развития конвергентных систем являются становятся гиперконвергентные инфраструктуры корпоративного уровня ^[14].

Отличие конвергентных и гиперконвергентных систем состоит в том, что конвергентные структуры включают специализированные компоненты (вычислительные, узлы хранения данных и т.п.), которые взаимодействуют друг с другом. Гиперконвергентные системы представляют модульные решения, разработанные для простоты масштабирования посредством включения в систему новых модулей. Мощность конвергентных систем решается путем вертикальной масштабируемости (scale-in), когда увеличение возможностей программно-аппаратных средств выполняется путем добавления специализированных ресурсов, например, для повышения мощности системы хранения данных добавляются новые диски и модули вводавывода по мере необходимости. Гиперконвергентные системы решают аналогичную задачу путем горизонтальной масштабируемости (scale out), которая означает интеграцию автономных модулей так, чтобы они становились единым комплексом. При этом модули могут быть удалены географически. Новые модули могут включаться в систему практически без ограничений по мере требования. Автономные модули объединяются в кластеры, связанные через внешнюю сеть. В процессе администрирования кластер рассматривается как единая логическая единица, где информационные объекты представлены в глобальном пространстве имен или в распределенной файловой системе.

Аналитическая исследовательская компания Forrester Research ^[15] отмечает, что гиперконвергентный подход к созданию IT-инфраструктуры позволяет объединить в модульной конфигурации серверы, системы хранения, сетевые функции и программное обеспечение, отвечающее за создание пула информационных и вычислительных ресурсов ^[16]. Гиперконвергентная система состоит из модулей, объединенных в горизонтально-масштабируемый кластер ^[17]. Каждый модуль включает вычислительное ядро, ресурс хранения, телекоммуникационную компоненту и гипервизор для решения задач распределения ресурсов и управления масштабированием. Гиперконвергентная система реализует концепцию программно-определяемых сред (software-defined environment), в которых ресурсы виртуализируются на уровнях вычислительного кластера, системы хранения данных, телекоммуникационной сети, а управление автоматически реализуются на программном уровне. Такие решения эффективны для задач, где необходимо обеспечить безопасность и отказоустойчивость за счет унифицированной инфраструктуры, состоящей из одинаковых модулей. Поэтому преимуществами гиперконвергентных систем является более низкая стоимость, простота администрирования, масштабируемость, точное соответствие ресурсов потребностям предприятия.

В настоящее время гиперконвергентные платформы предоставляют программно-аппаратные решения для обработки и анализа больших данных (СУБД, серверы приложений, среды разработки, средства обеспечения безопасности и т.п.). К ним можно отнести аппаратно-программные комплексы от Teradata ^[18], Exa-комплексы от Oracle ^[19,20], комплексы экосистемы Hadoop ^[21] Платформа IBM InfoSphere BigInsights платформа IBM Big Data с комплексом средств обработки и анализа больших данных ^[22] и др. Другим примером гиперконвергентных систем являются программно-аппаратные блокчейн платформы ^[23].

Конвергентная информационно-аналитическая платформа

Конвергентная аналитическая платформа представляет собой совокупность программно-аппаратных средств, взаимодействующих между собой, которые предназначены для автоматизации процессов сбора и обработки больших данных с использованием вычислительного кластера, облачных технологий и мобильных систем связи. Платформа включает: а) комплекс вычислительных средств центра обработки данных, б) комплекс средств сбора, обработки и загрузки данных в хранилище, облачное хранилище данных, в) прикладные программные комплексы для решения задач интеллектуального анализа и прогноза, г) экспертную подсистему для настройки прогнозных и аналитических моделей, д) систему удаленного доступа, е) систему администрирования информационной безопасности, ж) средства мониторинга и управления функционированием системы.

Информационно-аналитическая платформа представляет собой конвергентную систему для автоматизации процессов мониторинга и поддержки принятия решений за счет интеграции инструментальных средств поиска, сбора, обработки, консолидации и хранения данных, расчета интегральных показателей, интеллектуального анализа и прогностического моделирования динамики их изменений, формирования отчетности и предоставления ее пользователям в наглядном виде, администрирования информационной безопасности. Она обеспечивает координацию шагов технологического процесса обработки информации в системе мониторинга и поддержки принятия решений, осуществляет централизованный мониторинг и аудит функционирования ее компонент.

Информационно-аналитическая поддержка процессов принятия решений с помощью разработанной платформы осуществляется путем консолидации и многоцелевого использования оперативных и ретроспективных данных об инновационной деятельности экономических агентов в облачном хранилище и представления результатов мониторинга в витринах данных на компьютерах и мобильных средствах связи пользователей. Работа инструментальных средств аналитической платформы состоит в автоматизации процесса сбора и обработки больших данных об инновациях и инновационных предприятиях в регионах из открытых источников в сети Интернет для комплексного интеллектуального анализа и прогностического моделирования инновационных процессов в регионах. К основным реализуемым процедурам относятся:

· Поиск информации в открытых источниках, сбор данных и извлечение данных о показателях и индикаторах инновационной деятельности предприятий, о факторах влияния на процессы инновационного развития.

· Подготовка и загрузка данных в центральное облачное хранилище для интеллектуального анализа и прогноза с реализацией централизованной технологии обработки и хранения больших данных для принятия решений.

· Мониторинг показателей инновационной деятельности хозяйствующих субъектов и всего региона в целом.

· Выбор инновационных лидеров в регионах и определение набора значений эталонных показателей инновационной деятельности и конкурентоспособности в каждом регионе для учета особенностей регионального развития.

· Синтез прогнозных моделей и прогнозирование динамики показателей инновационной активности и конкурентоспособности экономических агентов в краткосрочной и среднесрочной перспективе для трех сценариев развития (оптимистического, пессимистического и оптимального).

· Сравнительный анализ (бенчмаркинг) показателей инновационной деятельности и конкурентоспособности экономических агентов в регионе с эталонными показателями инновационных лидеров с целью синтеза стратегий их инновационного развития и принятия решений по повышению инновационной активности и конкурентоспособности ^[24].

· Генерация информационно-аналитических от