Évek óta arról beszélünk, hogy egyre több adat keletkezik, és mindez egyre több és összetettebb feladatot jelent a cégeknek, köztük a T-Systems-nek is. De miért is növekszik az adattenger? Egyre több ember használ olyan eszközöket, ami adatokat termel, mindegyikünk kezében ott van az okostelefon, de több és több elektronikai eszközünk képes információkat gyűjteni és továbbítani. Jó példa erre, hogy míg 30 éve egy gyerekről csupán néhány tucat fotó maradt fenn, ma már minden gyermekről sok ezer digitális kép van. Ez egyrészt nagyon jó dolog, de már a családi fotóalbum rendszerezése, archiválása is egyre komolyabb feladatot jelent, nem is beszélve a hosszú távú biztonságos tárolás, és az adatbiztonság megteremtésének nehézségeiről. Míg néhány tucat fotó átlapozása, egy-egy kedvenc megtalálása nem volt nagy feladat, ma már szinte lehetetlen végignézni is a gyűjteményeket. A fotók válogatása is egyre több időt vesz igénybe, ma már sok fényképező egy-egy kattintásnál több képet készít, különböző beállításokkal. És ez még csak egy elenyésző feladat ahhoz képest, amit egy vállalat gigantikus adattengerével meg kell oldani!

Egyre több gép, rendszer ontja folyamatosan az adatokat, aminek a követése és rendezése manuálisan már egyszerűen nem oldható meg. Egy szenzorokkal működő rendszer folyamatosan menti az adatokat, minden beavatkozás nélkül. A MOL Bubi projekt esetében a kerékpárok adott időközönként, megállás nélkül elküldik a GPS koordinátájukat. Még akkor is, ha egy helyben állnak. Így például az is egy fontos feladat, hogy kiszűrjük a felesleges információkat, csak azokat az adatokat tartsuk meg, amik változást, valós információt hordoznak. De már azt sem könnyű eldönteni, hogy mi a felesleges, mert akár később is kiderülhet, hogy valamire mégis szükségünk lenne, ezért a visszakereshetőséget is biztosítani kell.

A legújabb ipari forradalom, az ipar 4.0, a dolgok internete (IoT) arról szól, hogy még inkább gyorsuló ütemben nőni fog az adatok száma. Ezek minőségében azonban nagy változás lesz: korábban jól strukturált, könnyen adatbázisba rendezhető adatokat ontottak a rendszerek, főként számok formájában. Ezeket táblázatokba lehetett rendezni, és az idő során kialakultak az elemzésükre szolgáló módszerek. Ma már az adattenger egyre nagyobb része videó és kép, ahol a jól bevált módszerek már nem használhatók. Emellett egyre fontosabb a szabad szöveg is, amit szintén meg kell tanítani a gépeknek kielemezni. Ez teljesen új kihívást jelent a nagyvállalati rendszereknél, ma már nem csak informatikusokra van szükség az adatok értelmezéséhez, elemzéséhez, hanem egyre újabb tudományterületeket is be kell vonni. Nem elegendő egyszerűen még több és jobb hardvert venni ehhez, hanem új alaplogikát, matematikát, algoritmusokat kell használni. Csak így lehet elemzéseket, előrejelzéseket készíteni, ami a vállalati döntéshozatalban egyre nagyobb szerepet kap.

A MOL Bubi példájánál maradva: a kerékpárok adatai mellett például a bérbicikli rendszerről megjelent sajtóanyagokat is elemezve kell üzemeltetési, menetrend tervezési, turisztikai elemzéseket készíteni. A munka során egyre inkább azzal találkoznak, hogy nem csak egy adott cég, iparág rendszereiből kell adatokat kinyerni, hanem sok, különböző forrásból. A közlekedésnél maradva: az eszközökből érkező adatok sok mindent elmondanak szokásainkról, de fontos szerepe van például az időjárásnak – esőben kevesebbet tekernek például. Az időjárás előrejelzés ráadásul segít a forgalom szervezésében egy nagyvárosában. De ugyanilyen fontos információ lehet, ha valahol tömegeket vonzó koncerteket szerveznek.

Nyugat-Európában számos olyan projekt van, ami során a mobiltelefonok GPS adatinak segítségével figyelik a közlekedőket, hogy a hét melyik napján, melyik időszakban mennyien ingáznak a városhatáron kívülről és a közigazgatási határon belül tömegközlekedéssel, vagy éppen autóval. Ezek óriási segítséget jelentenek az igényekhez illeszkedő menetrend kialakításában. Egy városnak, egy országnak rengeteg ilyen adatforrása van, és minél több ilyen adatbázis összekapcsolásával lehet egyre jobb szolgáltatásokat nyújtani. Ennek a szemléletnek pedig egyre nagyobb szerepe lesz a piaci versenyben.

Nemcsak a közösségi szolgáltatásoknál van a mind inkább méretben és minőségben is növekvő adatforrásoknak kiemelt szerepe: a gyártás megszervezése is egyre inkább ilyen Big data forrásokra épül. A tervezés során például lehet tudni, hogyha havazni kezd egy beszállítási útvonalon, akkor késni fog a kamion. A jövő kihívása, hogy olyan döntés-előkészítő rendszerek jöjjenek létre, amelyek minél több adatforrásból automatikusan szintetizálják az egy-egy embernek már átláthatatlan adatforrásokat, és ezek alapján adnak feldolgozható előrejelzéseket, információkat. (Több ilyen rendszer van jelenleg is kísérleti fázisban – a szerk.)

De térjünk vissza a tömegközlekedésre. Már említettük a menetrendkészítés kihívásait, amit eddig csak egy-egy időpillanatra vonatkozó felmérések alapján készítettek, de ma már lehetséges a szinte élő adatgyűjtés! A fogyasztói igények azonban nem csak a tervezésnél kényszerítik ki az egységes adatbázisokat. Ha például el szeretnénk utazni Miskolcból Münchenbe, akkor egy rendszerseren belül szeretnénk megnézni az összes lehetséges közlekedési eszköz menetrendjét, és ugyanitt megvenni a jegyünket. Az az elvárás, hogy a helyi tömegközlekedési jegyet, a vonatjegyet és a repülőjegyet is egyszerre lehessen megvásárolni. Az ilyen rendszerek ráadásul lehetőséget adnak arra, hogy több közlekedési szolgáltató együttesen, úgy tudja megszervezni az utazásunkat, hogy a legjobb átszállási lehetőségeket ajánlják fel, a legoptimálisabb útvonalon.

Az óriási adathalmaz azért fontos, mert segít költségeket megtakarítani, a korábbiaknál olcsóbb utakat lehet megszervezni. Ha mindezt jól csináljuk, akkor a jövő városában minden tevékenységünket össze lehet hangolni. Ez abban segít, hogy a legélvezetesebben, leghatékonyabban tudjuk az okos városokban az életünket élni. Ebbe a közlekedésen túl beletartozik az elektronikus fizetés, a pénzügyek, szabadidő eltöltés is, a jövőbeli felhasználási lehetőségeket még talán át sem látjuk. Fel kell készülnünk, hogy a jövőben olyan központi, gigantikus rendszerek jönnek létre az emberek és a gépek által előállított adatokból, amivel minket is meg fognak lepni.