SlideShare ist ein Scribd-Unternehmen logo
1 von 9
Downloaden Sie, um offline zu lesen
ОБЛАКО ДАННЫХ

 Презентация проекта на
Конкурс Русских Инноваций
       www.inno.ru
Проблемы при работе с данными

            Для анализа ситуации и принятия ключевых решений необходим доступ к
   СБОР     релевантным и комплексным данным. Компаниям приходится собирать
            данные самостоятельно, приобретать их сразу у нескольких поставщиков
            или заказывать дорогостоящие услуги аналитических агентств. Многие не
            могут себе это позволить.


            Данные поступают в различных форматах. Компании вынуждены содержать
ОБРАБОТКА   целые отделы и закупать высокозатратные системы, чтобы структурировать
            информацию и привести данные к единому формату. Непрофильные
            компании не имеют достаточно компетенций в обработке данных, из-за
            чего ценная информация искажается, портится или теряется.


            Для комплексного анализа необходимо выявить зависимости между всеми
 АНАЛИЗ     процессами и явлениями. Это сложная задача, для которой требуется
            доступ к максимально широкому спектру данных. Компании используют
            только те данные, которые у них есть в наличии. Из-за неполноты данных
            часто принимаются ошибочные стратегические решения.


                        ДОРОГО - ДОЛГО - ТРУДНО
«Данные - это новая нефть»

                                                  Объем
Данные - факты и статистика, собираемая для
                                              мирового рынка        $ 29 млрд
    анализа, прогноза и планирования          продажи данных            рост: 12%


                                              Поставщиков : 750.000
                                                  Web-сервисы и приложения
                                                  Системы и устройства
                                                  Компании и агентства


                                              Потребителей : 45.000.000
                                                  Коммерческие предприятия
                                                  Институты и организации
                                                  Разработчики и исследователи


                                              Область применения :
                                                  Анализ и планирование
                                                  Управление и оптимизация
                                                  Разработка и внедрение
Решение QueryHunter – облако данных
            Покупка и продажа данных
            Торговая площадка данными. На продажу данные выставляются с
            помощью: Data API (диалект стандарта OData), файлов (xml, csv, sql, txt,
            Excel, Access), прямого соединения с СУБД (MySQL, Oracle, MS SQL) или
            облачным хранилищем баз данных Microsoft Azure.

            Автоматическое объединение данных
            Объединение (консолидация независимых наборов данных, как вертикально
            (например, объединение двух баз данных издательств в разном формате от
            различных поставщиков), так и горизонтально (например, объединение
            статистики использования фотоаппаратов на фотохостинге со справочником
            фотоаппаратов, чтобы узнать какой цвет фотоаппарата наиболее популярен)

            Анализ и визуализация данных
            Построение интерактивных графиков, трехмерных таблиц и аналитических
            картографий для удобного восприятия массивов данных. Поиск корреляций
            между множеством различных источников.

            Хостинг данных и удаленный доступ
            Размещение данных на сервере QueryHunter и организация удаленного
            контролируемого доступа. Услуга необходима в тех случаях, когда требуется
            обеспечить постоянный доступ к данными для собственных нужд, для
            партнёров или для клиентов. Модель DaaS (data-as-a-service, данные как услуга)
Новая цепочка ценностей

  Текущая структура рынка           Новая структура рынка




      Высокие затраты            Оптимизированные затраты
      Сложный процесс            Автоматические процедуры
      Трудоемкая интеграция      Форматирование и консолидация
Доступные данные для малого бизнеса




Queryhunter - уникальное решение, которое значительным образом упрощает
процесс обмена данными. Наша технология позволяет малым и средним
предприятиям получить ценную информацию, необходимую для развития бизнеса
Этапы развития проекта




Queryhunter – молодой российский технологический проект, который был запущен в
Декабре 2011. Летом 2012 планируется запустить первую коммерческую версию.
Команда

       Павел Каштанов, CEO/CTO, соучредитель
       Магистр техники и технологий, ТГТУ/МИЭТ
       Разработчик с многолетним опытом создания высоконагруженных веб-приложений, автор ряда
       инженерных решений и научных исследований. Опыт управления коллективом разработчиков.
       - Автоматизация документооборота для ВМФ (НИИ ЦПС)
       - Систему диагностики заболеваний на основе кластерного и статистического анализа
       - Автоматизированные системы интеллектуального движения в МИЭТ
       - Высоконагруженное веб-приложения PreisZeiger для QuickTerm West GmbH


       Александр Ковалев, Business Development, соучредитель
       Опытный менеджер, умеет организовать работу, найти необходимые ресурсы, подобрать
       сотрудников. Некоторое время был разработчиком. Управлял персоналом нескольких
       предприятий, организатор ряда интернет-проектов. Опыт работы 6 лет.


       Иван Шмелев, Стратегия и планирование
       К.т.н. в Телекоммуникации, MBA в Стратегия и Финансы
       Двенадцать лет в развитии и управлении бизнесом. Возглавлял департамент Стратегического
       планирования в ряде мировых компаний. Журналист и публичный оратор на международных
       конференциях. Опыт в запуске и развитии стартапов

   Ведутся переговоры о присоединении к команде еще двух разработчиков
ОБЛАКО ДАННЫХ

 Презентация проекта на
Конкурс Русских Инноваций
       www.inno.ru

Weitere ähnliche Inhalte

Was ist angesagt?

Насколько велики Big Data?
Насколько велики Big Data?Насколько велики Big Data?
Насколько велики Big Data?
Michael Kozloff
 
Продвинутый анализ и машинное обучение с помощью виртуализации данных
Продвинутый анализ и машинное обучение с помощью виртуализации данныхПродвинутый анализ и машинное обучение с помощью виртуализации данных
Продвинутый анализ и машинное обучение с помощью виртуализации данных
Denodo
 

Was ist angesagt? (20)

Чем отличаются BI и Big Data?
Чем отличаются BI и Big Data?Чем отличаются BI и Big Data?
Чем отличаются BI и Big Data?
 
Power BI для аналитики данных из 1С: практический опыт
Power BI для аналитики данных из 1С: практический опытPower BI для аналитики данных из 1С: практический опыт
Power BI для аналитики данных из 1С: практический опыт
 
Насколько велики Big Data?
Насколько велики Big Data?Насколько велики Big Data?
Насколько велики Big Data?
 
Презентация Никиты Шаблыкова с конференции «BIG DATA: банки, финансовые компа...
Презентация Никиты Шаблыкова с конференции «BIG DATA: банки, финансовые компа...Презентация Никиты Шаблыкова с конференции «BIG DATA: банки, финансовые компа...
Презентация Никиты Шаблыкова с конференции «BIG DATA: банки, финансовые компа...
 
Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»
Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»
Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»
 
1 big data oracle digi oct
1 big data oracle digi oct1 big data oracle digi oct
1 big data oracle digi oct
 
4 sas and big data short
4 sas and big data short4 sas and big data short
4 sas and big data short
 
Большие данные и бизнес-аналитика: как найти пользу?
Большие данные и бизнес-аналитика: как найти пользу?Большие данные и бизнес-аналитика: как найти пользу?
Большие данные и бизнес-аналитика: как найти пользу?
 
TAdviser - BI-Big Data - Макаров
TAdviser - BI-Big Data - МакаровTAdviser - BI-Big Data - Макаров
TAdviser - BI-Big Data - Макаров
 
ATK_BiView - инструмент эффективной интеграции 1С и Qlik
ATK_BiView - инструмент эффективной интеграции 1С и QlikATK_BiView - инструмент эффективной интеграции 1С и Qlik
ATK_BiView - инструмент эффективной интеграции 1С и Qlik
 
РИФ 2016, Предикативная аналитика
РИФ 2016, Предикативная аналитикаРИФ 2016, Предикативная аналитика
РИФ 2016, Предикативная аналитика
 
ATK QlikView for Retail - Krasnopolsky Andrey
ATK QlikView for Retail - Krasnopolsky AndreyATK QlikView for Retail - Krasnopolsky Andrey
ATK QlikView for Retail - Krasnopolsky Andrey
 
Microsoft BI User Group: Работаем с 1С эффективно
Microsoft BI User Group: Работаем с 1С эффективноMicrosoft BI User Group: Работаем с 1С эффективно
Microsoft BI User Group: Работаем с 1С эффективно
 
Clever_data_splunk_overview_rus
Clever_data_splunk_overview_rusClever_data_splunk_overview_rus
Clever_data_splunk_overview_rus
 
Продвинутый анализ и машинное обучение с помощью виртуализации данных
Продвинутый анализ и машинное обучение с помощью виртуализации данныхПродвинутый анализ и машинное обучение с помощью виртуализации данных
Продвинутый анализ и машинное обучение с помощью виртуализации данных
 
Аналитический обзор рынка Больших Данных от IPOboard
Аналитический обзор рынка Больших Данных от IPOboardАналитический обзор рынка Больших Данных от IPOboard
Аналитический обзор рынка Больших Данных от IPOboard
 
Splunk - универсальная платформа для работы с любыми данными
Splunk - универсальная платформа для работы с любыми даннымиSplunk - универсальная платформа для работы с любыми данными
Splunk - универсальная платформа для работы с любыми данными
 
Qlik: новый подход к бизнес-аналитике фармацевтических компаний
Qlik: новый подход к бизнес-аналитике фармацевтических компанийQlik: новый подход к бизнес-аналитике фармацевтических компаний
Qlik: новый подход к бизнес-аналитике фармацевтических компаний
 
зао «эвентос»
зао «эвентос»зао «эвентос»
зао «эвентос»
 
Oracle big data for finance
Oracle big data for financeOracle big data for finance
Oracle big data for finance
 

Ähnlich wie Query hunter презентация для КОНКУРСА РУССКИХ ИННОВАЦИЙ

От Больших данных к знаниям: преимущества для операторов связи
От Больших данных  к знаниям: преимущества  для операторов связиОт Больших данных  к знаниям: преимущества  для операторов связи
От Больших данных к знаниям: преимущества для операторов связи
Yuri Yashkin
 
Informatica Пронет (v.0.3)
Informatica   Пронет (v.0.3)Informatica   Пронет (v.0.3)
Informatica Пронет (v.0.3)
Natasha Zaverukha
 
Business Intelligence. Современный взгляд
Business Intelligence. Современный взглядBusiness Intelligence. Современный взгляд
Business Intelligence. Современный взгляд
Andrey Korshikov
 
графовый грааль для фрии (2014)
графовый грааль   для фрии (2014)графовый грааль   для фрии (2014)
графовый грааль для фрии (2014)
Vic N
 

Ähnlich wie Query hunter презентация для КОНКУРСА РУССКИХ ИННОВАЦИЙ (20)

От больших данных к знаниям: преимущества для операторов связи
От больших данных к знаниям: преимущества для операторов связиОт больших данных к знаниям: преимущества для операторов связи
От больших данных к знаниям: преимущества для операторов связи
 
От Больших данных к знаниям: преимущества для операторов связи
От Больших данных  к знаниям: преимущества  для операторов связиОт Больших данных  к знаниям: преимущества  для операторов связи
От Больших данных к знаниям: преимущества для операторов связи
 
Informatica Пронет (v.0.3)
Informatica   Пронет (v.0.3)Informatica   Пронет (v.0.3)
Informatica Пронет (v.0.3)
 
Microsoft. Анна Даскал. "Решения Microsoft для финансового сектора"
Microsoft. Анна Даскал. "Решения Microsoft для финансового сектора"Microsoft. Анна Даскал. "Решения Microsoft для финансового сектора"
Microsoft. Анна Даскал. "Решения Microsoft для финансового сектора"
 
Short enterprise data hub on apache hadoop ru
Short enterprise data hub on apache hadoop ruShort enterprise data hub on apache hadoop ru
Short enterprise data hub on apache hadoop ru
 
Логическая витрина данных
Логическая витрина данныхЛогическая витрина данных
Логическая витрина данных
 
6 важнейших качеств платформы для анализа Больших данных
6 важнейших качеств платформы для анализа Больших данных6 важнейших качеств платформы для анализа Больших данных
6 важнейших качеств платформы для анализа Больших данных
 
Informatica for Data Warehouse Optimisation and Data Lake Use-cases
Informatica for Data Warehouse Optimisation and Data Lake Use-casesInformatica for Data Warehouse Optimisation and Data Lake Use-cases
Informatica for Data Warehouse Optimisation and Data Lake Use-cases
 
Business Intelligence. Современный взгляд
Business Intelligence. Современный взглядBusiness Intelligence. Современный взгляд
Business Intelligence. Современный взгляд
 
Технологии Microsoft для "Интернета Вещей"
Технологии Microsoft для "Интернета Вещей"Технологии Microsoft для "Интернета Вещей"
Технологии Microsoft для "Интернета Вещей"
 
Предиктивная аналитика и Big Data: методы, инструменты, решения
Предиктивная аналитика и Big Data: методы, инструменты, решенияПредиктивная аналитика и Big Data: методы, инструменты, решения
Предиктивная аналитика и Big Data: методы, инструменты, решения
 
Анализ и визуализация данных на базе платформы Microsoft bi
Анализ и визуализация данных на базе платформы Microsoft biАнализ и визуализация данных на базе платформы Microsoft bi
Анализ и визуализация данных на базе платформы Microsoft bi
 
Шесть важнейших качеств платформы для анализа Больших данных
Шесть важнейших качеств платформы для анализа Больших данных Шесть важнейших качеств платформы для анализа Больших данных
Шесть важнейших качеств платформы для анализа Больших данных
 
Splunk overview Russian
Splunk overview RussianSplunk overview Russian
Splunk overview Russian
 
Восемь подводных камней на пути к внедрению аналитики Больших данных
Восемь подводных камней на пути к внедрению аналитики Больших данныхВосемь подводных камней на пути к внедрению аналитики Больших данных
Восемь подводных камней на пути к внедрению аналитики Больших данных
 
Microsoft Azure: снижение затрат, безопасность, Internet of Things
Microsoft Azure: снижение затрат, безопасность, Internet of ThingsMicrosoft Azure: снижение затрат, безопасность, Internet of Things
Microsoft Azure: снижение затрат, безопасность, Internet of Things
 
графовый грааль для фрии (2014)
графовый грааль   для фрии (2014)графовый грааль   для фрии (2014)
графовый грааль для фрии (2014)
 
Графовый Грааль - для ФРИИ (2014)
Графовый Грааль - для ФРИИ (2014)Графовый Грааль - для ФРИИ (2014)
Графовый Грааль - для ФРИИ (2014)
 
ИТ-инфраструктура нового поколения
ИТ-инфраструктура нового поколенияИТ-инфраструктура нового поколения
ИТ-инфраструктура нового поколения
 
OSPconf Big Data Forum 2014 Ilya Gershanov
OSPconf Big Data Forum 2014 Ilya GershanovOSPconf Big Data Forum 2014 Ilya Gershanov
OSPconf Big Data Forum 2014 Ilya Gershanov
 

Query hunter презентация для КОНКУРСА РУССКИХ ИННОВАЦИЙ

  • 1. ОБЛАКО ДАННЫХ Презентация проекта на Конкурс Русских Инноваций www.inno.ru
  • 2. Проблемы при работе с данными Для анализа ситуации и принятия ключевых решений необходим доступ к СБОР релевантным и комплексным данным. Компаниям приходится собирать данные самостоятельно, приобретать их сразу у нескольких поставщиков или заказывать дорогостоящие услуги аналитических агентств. Многие не могут себе это позволить. Данные поступают в различных форматах. Компании вынуждены содержать ОБРАБОТКА целые отделы и закупать высокозатратные системы, чтобы структурировать информацию и привести данные к единому формату. Непрофильные компании не имеют достаточно компетенций в обработке данных, из-за чего ценная информация искажается, портится или теряется. Для комплексного анализа необходимо выявить зависимости между всеми АНАЛИЗ процессами и явлениями. Это сложная задача, для которой требуется доступ к максимально широкому спектру данных. Компании используют только те данные, которые у них есть в наличии. Из-за неполноты данных часто принимаются ошибочные стратегические решения. ДОРОГО - ДОЛГО - ТРУДНО
  • 3. «Данные - это новая нефть» Объем Данные - факты и статистика, собираемая для мирового рынка $ 29 млрд анализа, прогноза и планирования продажи данных рост: 12% Поставщиков : 750.000  Web-сервисы и приложения  Системы и устройства  Компании и агентства Потребителей : 45.000.000  Коммерческие предприятия  Институты и организации  Разработчики и исследователи Область применения :  Анализ и планирование  Управление и оптимизация  Разработка и внедрение
  • 4. Решение QueryHunter – облако данных Покупка и продажа данных Торговая площадка данными. На продажу данные выставляются с помощью: Data API (диалект стандарта OData), файлов (xml, csv, sql, txt, Excel, Access), прямого соединения с СУБД (MySQL, Oracle, MS SQL) или облачным хранилищем баз данных Microsoft Azure. Автоматическое объединение данных Объединение (консолидация независимых наборов данных, как вертикально (например, объединение двух баз данных издательств в разном формате от различных поставщиков), так и горизонтально (например, объединение статистики использования фотоаппаратов на фотохостинге со справочником фотоаппаратов, чтобы узнать какой цвет фотоаппарата наиболее популярен) Анализ и визуализация данных Построение интерактивных графиков, трехмерных таблиц и аналитических картографий для удобного восприятия массивов данных. Поиск корреляций между множеством различных источников. Хостинг данных и удаленный доступ Размещение данных на сервере QueryHunter и организация удаленного контролируемого доступа. Услуга необходима в тех случаях, когда требуется обеспечить постоянный доступ к данными для собственных нужд, для партнёров или для клиентов. Модель DaaS (data-as-a-service, данные как услуга)
  • 5. Новая цепочка ценностей Текущая структура рынка Новая структура рынка  Высокие затраты  Оптимизированные затраты  Сложный процесс  Автоматические процедуры  Трудоемкая интеграция  Форматирование и консолидация
  • 6. Доступные данные для малого бизнеса Queryhunter - уникальное решение, которое значительным образом упрощает процесс обмена данными. Наша технология позволяет малым и средним предприятиям получить ценную информацию, необходимую для развития бизнеса
  • 7. Этапы развития проекта Queryhunter – молодой российский технологический проект, который был запущен в Декабре 2011. Летом 2012 планируется запустить первую коммерческую версию.
  • 8. Команда Павел Каштанов, CEO/CTO, соучредитель Магистр техники и технологий, ТГТУ/МИЭТ Разработчик с многолетним опытом создания высоконагруженных веб-приложений, автор ряда инженерных решений и научных исследований. Опыт управления коллективом разработчиков. - Автоматизация документооборота для ВМФ (НИИ ЦПС) - Систему диагностики заболеваний на основе кластерного и статистического анализа - Автоматизированные системы интеллектуального движения в МИЭТ - Высоконагруженное веб-приложения PreisZeiger для QuickTerm West GmbH Александр Ковалев, Business Development, соучредитель Опытный менеджер, умеет организовать работу, найти необходимые ресурсы, подобрать сотрудников. Некоторое время был разработчиком. Управлял персоналом нескольких предприятий, организатор ряда интернет-проектов. Опыт работы 6 лет. Иван Шмелев, Стратегия и планирование К.т.н. в Телекоммуникации, MBA в Стратегия и Финансы Двенадцать лет в развитии и управлении бизнесом. Возглавлял департамент Стратегического планирования в ряде мировых компаний. Журналист и публичный оратор на международных конференциях. Опыт в запуске и развитии стартапов Ведутся переговоры о присоединении к команде еще двух разработчиков
  • 9. ОБЛАКО ДАННЫХ Презентация проекта на Конкурс Русских Инноваций www.inno.ru