Дані на швидкості 200 миль на годину: як Analytics змінює перегони Формули-1

Рьюкан / Норвегія -04.06.2016: білий Mclaren 650s, червоний Ferrari f12 і жовтий Lamborghini Huracan. … [+] Три суперавтомобілі зупинилися на деякий час у подорожі через гори Норвегії в порожній долині.

Гетті

Гонщики Формули-1 мають довгу спадщину використання найновіших автомобільних дизайнів і технологій. Сьогодні ці інтелектуальні високопродуктивні машини здатні розвивати швидкість понад 200 миль на годину (швидше, ніж комерційний літак при зльоті). І все частіше вони керуються даними.

Щоб зрозуміти роль аналізу даних, я поспілкувався з британською компанією McLaren Racing, яка була заснована в 1963 році автогонщиком Брюсом Маклареном. «Світ Формули-1 — це світ, який керується інноваціями та даними», — сказала Джессіка «Джес» Томкінс, технічний аналітик McLaren Racing.

Численні цифри підтверджують це: автомобілі Формули-1 мають 300 датчиків, які виробляють 100 000 точок даних, накопичуючи 1,5 терабайта даних протягом перегону — усі вони аналізуються, щоб інформувати все, від дизайну автомобіля до гоночної стратегії. Більше того, вимірюючи температуру траси, погіршення якості шин, аеродинаміку та широкий спектр інших показників ефективності в режимі реального часу, гоночна команда може використовувати ці дані для внесення коригувань на льоту.

«Ми використовуємо дані, щоб приймати всі ці рішення до і після гонки, а також майбутні рішення», — пояснив Томкінс.

Причина, по якій дані про продуктивність і аналітика такі важливі, полягає в тому, що багато аспектів розробки болідів Формули-1 регулюються Міжнародною федерацією автомобілів (FIA). Це робить дані фактором X для кожного конкурента, який намагається йти швидше та бити рекорди. Така продуктивність приваблює легіони шанувальників гонок Формули-1, включаючи молодих ентузіастів у Сполучених Штатах. Але ця стаття менше про перегони, а більше про дані, що стоять за ними.

Невеликий випадок

Що робить McLaren незвичайним випадком використання, так це невеликий масштаб нової команди аналізу даних. У McLaren Group працює близько 4000 співробітників, з яких близько 800 працюють у команді McLaren Racing, але в компанії працюють лише три відданих аналітика. «У понеділок я міг би працювати над деградацією шин, а в п’ятницю — допомагати розробити кращу маркетингову стратегію», — сказав Томкінс.

Це суттєво відрізняється від інших професійних спортивних команд, у яких аналіз даних суворо відокремлений між бізнес-сторонами та продуктивністю. В інших галузях важко уявити змішування відділів, наприклад операційних відділів і відділів роботи з клієнтами.

Враховуючи невелику групу аналізу даних, McLaren має передати прогнозне моделювання в руки функціональних експертів. Тому ці професіонали, які мають досвід у таких галузях, як аеродинаміка чи продуктивність двигуна, належать до нового покоління професіоналів, відомих як науковці громадянських даних.

Не маючи жодних знань або досвіду в комп’ютерному кодуванні чи розробці алгоритмів, цим науковцям громадянських даних потрібні інструменти та інформаційні панелі, які роблять прогнозне моделювання доступним для них. Увійдіть у Alteryx, провідну компанію аналітичних верстатів, яка співпрацює з McLaren та іншими автомобільними компаніями, а також фірмами в інших галузях.

Марк Андерсон, генеральний директор Alteryx, вважає, що дослідники даних громадян тут залишаться. «Ми виступаємо за більшу частину 20 років», — сказав він про цю тенденцію.

Мета полягає не в тому, щоб усунути аналітиків даних і вчених, а в тому, щоб використовувати їх досвід у компанії. Враховуючи зростаючий попит на аналіз даних у кожному аспекті бізнесу — бухгалтерському обліку та фінансах, управлінні ланцюжком постачання, продажах і маркетингу тощо — наймання достатньої кількості спеціалістів із обробки даних стає дуже дорогим. У результаті зростає попит на програмне забезпечення, яке дозволяє людям із функціональним досвідом передавати дані в інструменти та інформаційні панелі для проведення аналізу чи створення прогнозної моделі. «Компанії повинні підтримувати демократизацію доступу до цих інструментів даних», — сказав Андерсон.

Плюси та мінуси Citizen Data Scientist

Надання більшій кількості людей доступу до інструментів науки про дані може бути неоднозначним. Позитивною стороною є те, що є можливість використовувати більше джерел даних, наприклад джерел у бізнес-підрозділах або певних географічних місцях. Люди, які в ідеалі ближче до проблем, які вони намагаються вирішити, повинні також знати, які дані доступні в їхньому відділі чи частині бізнесу.

Більше знання даних і цінності аналітики є плюсом для будь-якого бізнес-лідера. У моїй роботі з лідерами продажів, наприклад, я розширюю їхні горизонти за межі бізнес-аналітики та агрегування минулих тенденцій, щоб зрозуміти потенціал розширеної аналітики даних для прогнозування та покращення прийняття рішень.

Але наявність інструменту автоматично не робить когось експертом з даних. Як зазначено в нещодавній статті Harvard Business Review, «ми не можемо забувати, що наука про дані та штучний інтелект насправді дуже складні, і від отримання даних до вирішення проблеми дуже довгий шлях».

Науковці з даних громадян все ще повинні співпрацювати з фахівцями з даних, особливо під час інтерпретації даних. Крім того, є аргументи на користь обмеження доступу до загальнокорпоративних даних, щоб зберегти їх у безпеці та запобігти їх неналежному використанню чи викраденню.

Однак навіть з урахуванням цих потенційних ризиків і обмежень операції можуть стати більш керованими даними, зокрема завдяки налагодженню тіснішого партнерства між аналітиками даних і функціональними експертами, які можуть використовувати базові інструменти даних. Оскільки це відбувається все частіше, народжується культура, керована даними.

«Коли я вперше прийшов, одним із перших проектів, над яким я працював, був пошук областей, де ми використовуємо дані», — сказав Томкінс. Оскільки інформація про можливості обробки даних швидко поширювалася, все більше людей у McLaren хотіли навчитися включати аналіз даних, машинне навчання та прогнозне моделювання в те, що вони роблять.

«Ми намагаємося працювати на два роки наперед — як можуть змінитися автомобілі, змінитися правила. Це набори даних, які ми збираємо для розробки стратегії», – додала вона.

І справа не лише в гонках. Сьогодні у McLaren є один спеціалізований аналітик сталого розвитку, який працює над встановленням базових показників викидів вуглекислого газу для всіх операцій і визначає, де можна внести покращення. Точність даних є важливою, особливо коли досліджується, як виготовляються автомобілі. Двигуни Формули-1, наприклад, загорнуті в тонкий лист золотої фольги як ізолятор; щоб мати точніші розрахунки викидів, компанії потрібні були точніші дані про вагу золотої фольги з часом.

McLaren Racing зосереджується на розробці, розробці та виробництві гоночних автомобілів, починаючи від підвищення екологічності й закінчуючи продуктивністю. Багато чого змінилося за останнє десятиліття чи близько того, від розміру та форми автомобілів до технології двигунів і використання менших датчиків. Якщо минуле є прелюдією, у майбутньому буде більше змін, приділяючи ще більшу перевагу моделям, керованим даними, які можуть передбачити несправність частини, одночасно підвищуючи продуктивність і ефективність.

Доступ до потрібних даних

Щоб досягти таких цілей, дані повинні надходити по всій організації. З розвитком програмного забезпечення як послуги (SaaS) у певних функціях дані можна легше агрегувати в межах підприємства. «Ось чому ми перейшли до хмари», – сказав Андерсон. «Ми вивчаємо різноманітні способи, щоб гарантувати, що наше програмне забезпечення потрапляє до клієнтів економічно ефективним способом із низьким рівнем тертя».

Однак дані не є вічнозеленими. Аналізи та ідеї можуть швидко втратити свою силу. Однією з сфер, у якій бізнес-лідери можуть відчувати труднощі, є забезпечення того, щоб дані, які вони використовують, були актуальними та актуальними для прийняття кращих рішень.

Для McLaren це факт ділового життя, що підсилює важливість кожної точки даних, створених у режимі реального часу. Як сказав Томкінс: «Оскільки спорт так швидко розвивається, ми хочемо бути на краю».