SlideShare a Scribd company logo
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

More Related Content

PDF
QueryHunter project overview for lenovo
PPSX
OSPconf. Big Data Forum 2015
PPTX
Что такое Big Data ?
PDF
Виртуализация Данных: Введение
PDF
Новая жизнь Ваших даных с PowerBI
PDF
1 алексей натекин глубокая социальная аналиктика маленький большой брат
PPTX
Как Microsoft Power BI меняет процесс принятия управленческих решений?
PDF
Большие Данные
QueryHunter project overview for lenovo
OSPconf. Big Data Forum 2015
Что такое Big Data ?
Виртуализация Данных: Введение
Новая жизнь Ваших даных с PowerBI
1 алексей натекин глубокая социальная аналиктика маленький большой брат
Как Microsoft Power BI меняет процесс принятия управленческих решений?
Большие Данные

What's hot (20)

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

Similar to Query hunter презентация для КОНКУРСА РУССКИХ ИННОВАЦИЙ (20)

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

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