SlideShare a Scribd company logo
ОБЛАКО ДАННЫХ


Презентация проекта
  для Do Network
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.


                          ЗАТРАТНО и ТРУДОЕМКО
«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 Бизнес-Модель          Новая Бизнес-Модель




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




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.
Опытная 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
  для Do Network

More Related Content

PDF
Query hunter презентация для КОНКУРСА РУССКИХ ИННОВАЦИЙ
PPSX
OSPconf. Big Data Forum 2015
PPTX
Что такое Big Data ?
PDF
1 алексей натекин глубокая социальная аналиктика маленький большой брат
PDF
Новая жизнь Ваших даных с PowerBI
PDF
Чем отличаются BI и Big Data?
PDF
Большие Данные
Query hunter презентация для КОНКУРСА РУССКИХ ИННОВАЦИЙ
OSPconf. Big Data Forum 2015
Что такое Big Data ?
1 алексей натекин глубокая социальная аналиктика маленький большой брат
Новая жизнь Ваших даных с PowerBI
Чем отличаются BI и Big Data?
Большие Данные

What's hot (20)

PPTX
Как Microsoft Power BI меняет процесс принятия управленческих решений?
PDF
IBM SPSS. Аналитика на службе бизнеса
PDF
Насколько велики Big Data?
PDF
Power BI для аналитики данных из 1С: практический опыт
PDF
Презентация Никиты Шаблыкова с конференции «BIG DATA: банки, финансовые компа...
PDF
Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»
PDF
Большие данные и бизнес-аналитика: как найти пользу?
PDF
Владислав Флакс — OWOX — IСBDA 2015
PDF
Аналитический обзор рынка Больших Данных от IPOboard
PDF
TAdviser - BI-Big Data - Макаров
PDF
От больших данных к знаниям: преимущества для операторов связи
PDF
Microsoft BI User Group: Работаем с 1С эффективно
PPTX
Clever_data_splunk_overview_rus
PDF
От Больших данных к знаниям: преимущества для операторов связи
PDF
РИФ 2016, Предикативная аналитика
PDF
Splunk - универсальная платформа для работы с любыми данными
PDF
ATK QlikView for Retail - Krasnopolsky Andrey
PDF
Oracle big data for finance
PPT
Байдалина472(2)
PPT
Docsvision softprom
Как Microsoft Power BI меняет процесс принятия управленческих решений?
IBM SPSS. Аналитика на службе бизнеса
Насколько велики Big Data?
Power BI для аналитики данных из 1С: практический опыт
Презентация Никиты Шаблыкова с конференции «BIG DATA: банки, финансовые компа...
Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»
Большие данные и бизнес-аналитика: как найти пользу?
Владислав Флакс — OWOX — IСBDA 2015
Аналитический обзор рынка Больших Данных от IPOboard
TAdviser - BI-Big Data - Макаров
От больших данных к знаниям: преимущества для операторов связи
Microsoft BI User Group: Работаем с 1С эффективно
Clever_data_splunk_overview_rus
От Больших данных к знаниям: преимущества для операторов связи
РИФ 2016, Предикативная аналитика
Splunk - универсальная платформа для работы с любыми данными
ATK QlikView for Retail - Krasnopolsky Andrey
Oracle big data for finance
Байдалина472(2)
Docsvision softprom
Ad

Viewers also liked (8)

PDF
Session 12 Ellen Grumert
DOCX
Maharshi_Amin_416
PDF
2011_修士研究発表資料_10u1173_吉川典孝
PPTX
Регистрация в аис гто
PDF
Session 6 Ellen Grumert Andreas Tapani
PDF
Cullen Master Builder Portfolio
PDF
Krijimi i universit
Session 12 Ellen Grumert
Maharshi_Amin_416
2011_修士研究発表資料_10u1173_吉川典孝
Регистрация в аис гто
Session 6 Ellen Grumert Andreas Tapani
Cullen Master Builder Portfolio
Krijimi i universit
Ad

Similar to QueryHunter project overview for lenovo (20)

PDF
SAP on Big Data Russia
PPT
Bi market common_2012
PPT
Informatica datawarehouse
PDF
современные требования потребителей к системам бизнес аналитики
PDF
Digital Lab: Big Data: земля обетованная в управлении отношений с клиентами
PDF
Choister
PDF
Choister
PPTX
MESImeetup_DenReymer_presentation
PPTX
Megatable
PDF
Data Science Week 2016. Sberbank
PDF
Big Data с точки зрения конечного пользователя
PDF
Big Data в маркетинге. Просто о непонятном: задачи, возможности, реальность
PPTX
Управление качеством клиентского портфеля “по- умному”.
PDF
Informatica for Data Warehouse Optimisation and Data Lake Use-cases
PPTX
Логическая витрина для доступа к большим данным
PPTX
Пахутин Oracle 120221
 
PPTX
Конкурс презентаций - Коноплева
PDF
ATK QlikView для розничных сетей, семинар 29 марта
SAP on Big Data Russia
Bi market common_2012
Informatica datawarehouse
современные требования потребителей к системам бизнес аналитики
Digital Lab: Big Data: земля обетованная в управлении отношений с клиентами
Choister
Choister
MESImeetup_DenReymer_presentation
Megatable
Data Science Week 2016. Sberbank
Big Data с точки зрения конечного пользователя
Big Data в маркетинге. Просто о непонятном: задачи, возможности, реальность
Управление качеством клиентского портфеля “по- умному”.
Informatica for Data Warehouse Optimisation and Data Lake Use-cases
Логическая витрина для доступа к большим данным
Пахутин Oracle 120221
 
Конкурс презентаций - Коноплева
ATK QlikView для розничных сетей, семинар 29 марта

QueryHunter project overview for lenovo

  • 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. ЗАТРАТНО и ТРУДОЕМКО
  • 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 Бизнес-Модель Новая Бизнес-Модель  Высокие затраты  Оптимизированные затраты  Сложный процесс  Автоматические процедуры  Трудоемкая интеграция  Форматирование и консолидация
  • 6. Доступные данные для массового рынка 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. Опытная 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