В современном бизнесе аналитика приобретает всё более важное значение. Это происходит по ряду понятных причин. Во-первых, правильное прогнозирование будущего спроса на те или иные группы товаров обеспечит надлежащую прибыль и оптимальную занятость, тогда как ошибочные прогнозы ведут к тяжёлым последствиям (вспомним, например, ряд известных интернет-компаний – МайСпэйс, Яху или производителей смартфонов – таких, как Нокиа). Из-за неверной оценки рынков эти бывшие гранды за короткое время попали в число аутсайдеров.
Во-вторых, владельцам предприятий необходима адекватная оценка интересов покупателей, их потребительского поведения, текущей и будущей платёжеспособности, трендов моды, нарастания или ослабления кризисных явлений в национальной и мировой экономике.
В-третьих, важно учесть всевозможные политические, социальные, экономические и правовые риски. Руководству компаний надо знать, как в будущем изменится половозрастной состав потребителей, уровень их трат и сбережений, какой будет динамика цен на нефть, металлы, ведущие валютные пары, повысятся или понизятся налоги на целевых рынках, какие инновации могут появиться, как отреагируют на будущую конъюнктуру потенциальные конкуренты.
Чтобы получить более или менее достоверную картину будущего, оценить альтернативные сценарии и риски, требуются надлежащие ресурсы в виде талантливых и профессионально подготовленных людей (аналитиков и программистов), а также вычислительные мощности (в том числе суперкомпьютеры), особым образом сформированные базы данных.
Без научного обеспечения и постоянного совершенствования исследовательской, технической и технологической базы бизнесу не удаётся успешно решать проблемы прогнозирования будущего. Трудности состоят в постоянном росте неопределённости грядущего развития экономики, в отделении ключевых факторов от малозначительных (селекции и семантики данных), в выявлении закономерностей в тех или иных явлениях.
Поскольку использование суперкомпьютеров – дело весьма дорогостоящее и далеко не всем по карману, аналитикам из сферы бизнеса приходится постоянно совершенствовать применяемый инструментарий за счёт исследования массивных данных по интернет-запросам, использования параллельных методов вычисления, новых математических подходов. Разумеется, без качественной прикладной и фундаментальной науки в данном вопросе не обойтись.
