ПостНаука продолжает рассказывать о современных технологиях в проекте «Банк знаний», подготовленном совместно с Корпоративным университетом Сбербанка.

Городской мир открыл для себя большие данные совсем недавно. И в основном это было связано с тем, что появился новый тип информации, которую мы называем спонтанной, ― спонтанные данные. Это фактически побочный продукт крупных телекоммуникационных компаний, систем, поддерживающих платежи типа MasterCard или Visa, социальные сети и так далее. Каждый из нас имеет мобильный телефон, он ходит по улицам, регистрируется местоположение, затем все это складывается на карте в большой геоинформационной системе, и мы понимаем всю сложность мобильности, то, что называется «рисунок мобильности города». Это очень интересно, это важно для транспортного прогнозирования. Мы понимаем, какая коммерческая емкость места в том или ином районе города, если мы видим, сколько там потрачено денег людьми. Мы видим настроение людей по поводу каких-то мест, если они пишут из этих мест в Twitter или социальных сетях или, наоборот, пишут откуда-то из другого места, но про эти конкретные районы. Это все вылавливается сложными алгоритмами семантического анализа.

Вся эта информация достаточно неожиданно появилась на рынке. И стало понятно, что и городским планировщикам это очень нужно, для того чтобы создавать планы города и реагировать на определенные городские события, распределенные в пространстве и времени. И естественно, нужно бизнесам, таким как коммерческая недвижимость, ритейл, транспорт и так далее.

Мы сейчас находимся в достаточно интересном переходном периоде ― это так называемый кондратьевский цикл: раз в 50 лет меняются технологии. И сейчас ровно это и происходит. И это связано не только с миром данных, но и с миром практически всех хорошо известных нам сегментов экономики. Взять, например, недвижимость. Считается, что через 15–20 лет основной доход, который будет генерировать этот сектор, будет идти от данных, которые будет производить этот сектор, ― данных о жителях этого конкретного места, о том, что происходит вокруг. На втором месте по доле того дохода, который будет производить сектор недвижимости, стоит электроэнергия. То есть дома, созданные из новых материалов, будут не только потреблять энергию, но и производить. И производить больше, чем потреблять. Поэтому дома станут производителями энергии. И это не фантастика, а уже вполне себе реализуемая технология, просто пока в очень небольшом масштабе.

Аналогичные вещи происходят и в других секторах. Например, производители беспилотных автомобилей собираются практически раздавать их задаром. И это связано с тем, что главный продукт, который они будут производить, ― это опять же данные, поскольку они все на сенсорах, они видят все, что на дороге, все, что вокруг: и мусор, и изменения дорожного покрытия, и люди, которые проходят рядом, потоки. И соответственно, различные интересы пассажиров, которые в этих машинах сидят. Так или иначе, эти данные получаются побочным образом, просто ради того, чтобы сориентировать автомобиль. И они будут иметь огромное значение, например, для сектора ритейла, который будет покупать эти данные, чтобы правильно размещать свои аутлеты или предприятия, для сектора коммерческой недвижимости, жилья и так далее.

Сейчас довольно хорошо известен пример компании Here ― это остаток от Nokia, геоинформационная система, создающая обсерваторию на основе информации от датчиков погоды автомобилей, которые разъезжают по всему свету. Если они оснащены датчиками, то они передают информацию о погоде ― дожде, солнце, температуре и так далее ― в один центр. И дальше локальный прогноз погоды в этом случае становится невероятно точным. Это, конечно, приносит колоссальные доходы этой компании, поскольку такого рода информация нужна практически всем и в особенности сельскохозяйственным производителям, транспортным и авиационным компаниям и так далее.

Как мы видим, смещается не только технология, но и вообще вся система потребления. Опять же, если вернуться к недвижимости, на третьей позиции располагается сдача собственно квадратных метров. Но при этом не просто квадратных метров, а, как по-английски это звучит, occupancy experience ― «опыт организации офисного быта». И теперь уже в лексиконе появляется не office manager, а фактически, как его уже называют, куратор. Это человек, который приспосабливает пространство, а оно при этом будет реконфигурироваться с помощью различных роботов, приспосабливаться к нуждам того или иного рабочего коллектива внутри. И сама по себе эта история будет не просто покупкой или снятием какого-то пространства в аренду, а именно его организацией. То есть в гораздо большей степени компания будет платить за помощь в организации рабочего пространства, чем за просто квадратные метры. И как бы мы дальше ни шли, мы везде находим такого рода очень интересные примеры.

Что касается спонтанных данных, о которых я говорил, то они, конечно, обладают одним очень важным преимуществом по отношению ко всем остальным: они спонтанные, то есть побочные, и их собирают и обрабатывают люди независимые. И когда вы проводите социологический опрос и задаете кому-то вопрос: «А вот скажите, как вы относитесь, например, к данным муниципальным властям или к дорожным службам?», это всегда вопрос и всегда реакция на него. И она зависит от того, как вы задали этот вопрос, какое у человека настроение и так далее ― все это очень искажает картину.

В социальных сетях люди пишут абсолютно откровенно ровно тогда, когда им хочется. Они не реагируют ни на какой вопрос. И анализ этой семантической информации очень важен и гораздо более точен, чем социологические опросы. А сама выборка намного более обширная. Как бы ни смещена была она в сторону потребителей интернета, тем не менее, если ее правильно откалибровать, она намного более точная и намного более объективная.

Еще один важный момент: эта информация растворяет в себе время. Поскольку она собирается каждую секунду, каждую минуту, существуют уже огромные базы данных, которые хранят исторические ряды этой информации, и вы можете представить себе город как пространственно-временной объем. Профессиональные планировщики его себе так и представляют. Они планируют город на 20–50 лет вперед. Но вы можете это померить. Вы можете увидеть. И в данном случае такого рода преимущество, которое дает эта информация, позволяет вступать в диалог с данными, увидеть то, что невозможно увидеть на обычной статистике.

Я могу привести пример работы компании Habidatum в Лондоне, которая анализировала район Хаммерсмит. Этот район по всей официальной статистике очень космополитический. Там живут различные этнические диаспоры, там существуют различные категории ― демографические, возрастные, профессиональные и так далее. И когда начинаешь анализировать, а кто там бывает в этом районе, кто там живет, ты понимаешь, что эти категории людей там действительно есть, но только они не пересекаются по времени. Они друг с другом не встречаются. Мусульманское сообщество пользуется этим районом в основном утром, ЛГБТ-сообщество ― вечером. В утреннее время, после завтрака, это в основном мамы с детьми. В обед это белые воротнички, потом синие воротнички и так далее. Фактически это то, что называется темпоральная сегрегация. Хорошо это или плохо ― отдельный разговор. Так или иначе, эти люди между собой не пересекаются, и вся эта картина смешанного, космополитического района пропадает.

Это крайне важно с коммерческой точки зрения, потому что все эти сообщества пользуются совершенно разными услугами, совершенно разными предприятиями, магазинчиками. То и дело там в зависимости от того, кто туда приходит, зажигаются свои активности, отдельные переулки, отдельные станции метро и так далее. И все это в разное время. Для планирования потоков, для планирования бизнеса это бесценная информация. И для понимания того образа клиента, на которого ты работаешь. Такого рода неожиданные примеры нам дает инструмент анализа больших данных, который сейчас вовсю применяется в урбанистике.

Анализ больших данных ― это не просто попытка понять, как устроено сообщество. Это естественно еще для очень многих агентов влияния в городе, ― как говорят, стейкхолдеров. Это возможность понять, как устроен их бизнес, их рынок, и продвинуться вперед.

Рекомендуем по этой теме:
59256
Что такое Big Data?

Одна из идей, которую мы разрабатывали, связана с таким феноменом, как вытеснение малого и среднего бизнеса из районов с очень дорогой офисной недвижимостью. Звучит она как-то очень скучно, но на самом деле проблема состоит в том, что если ставки аренды недвижимости очень высоки, то они невозможны для маленьких предприятий, которые создают уют в этом конкретном районе. Это могут быть магазинчики, галереи, какие-нибудь парикмахерские, аптеки ― все, что нужно человеку, когда он выходит из своего офиса и дальше продолжает жить. И это повсеместный процесс в крупных городах: и в Москве, и в Нью-Йорке, и в Лондоне ― где угодно. Что дальше происходит? Когда это вытеснение принимает уже массовый характер в этом конкретном районе, то в конечном итоге цена на эту дорогую недвижимость падает. Но это происходит уже таким обвальным образом. Собственники недвижимости в этом, разумеется, не заинтересованы и пытаются найти какие-то инструменты.

Одним из инструментов такого рода как бы экономического оздоровления и одновременно оздоровления с точки зрения комфорта территории является так называемый коммерческий time-sharing пространств, которые находятся на первых этажах крупных офисных зданий. Как вы понимаете, очень часто они большие и после семи часов закрыты и не работают. Город в этом месте становится мертвым. И мало того, что они не работают, так они еще и вытеснили все остальное. Поэтому этот район просто пустеет и перестает существовать на карте города с семи вечера до часа ночи как минимум.

И у нас возникла идея на основе анализа данных, что возможно организовать систему субаренды этих пространств этим же маленьким магазинчикам и маленьким предприятиям сферы услуг уже по намного меньшей ставке аренды, потому что, по сути дела, все, что нужно, ― платить за безопасность этого места и за уборку. А все остальное уже как бы и так простаивает. За это все уплачено. И для того, чтобы это сделать, город должен помочь своим регулированием. В городе есть такой инструмент, как правовое зонирование (у нас это называется «правила землепользования и застройки»): вводится ограничение, которое требует, чтобы с семи, например, до десяти вечера нижние этажи крупных офисных зданий были открыты для быстро развертываемых предприятий сферы услуг.

Если какая-нибудь компания, предположим, не хочет этого, она считает, что это слишком большая ноша и они и так смогут выкрутиться, то она может отказаться. Но при этом она должна купить право на три часа закрывать свой офис и не открывать его для предприятий сферы услуг у какого-нибудь рядом стоящего другого офиса, например у библиотеки, которая работает 24 часа в сутки. У них этих часов огромное количество, поэтому они могут продать эти три часа, а дальше это здание останется закрытым.

Но такая система зонирования для разных других параметров застройки (например, для этажности или для выбросов углекислого газа в районе) уже работает. Поэтому, как правило, большинство соглашается с таким регулированием. До часа ночи продуктивное время нужно как-то использовать, и они могут дать такую возможность.

Пока еще этого не существует непосредственно в таком формате. Но есть прекрасный пример американской компании Spacious, которая в двух городах, Нью-Йорке и Сан-Франциско, организовала time-sharing пространства у дорогих ресторанов в центральных частях города, где опять же ставки аренды очень высокие, где нет офисов для таких индивидуальных фрилансеров, для студента или свободного художника, которому нужно сесть и поработать. Они сдают свое же пространство днем, то есть с девяти утра до шести вечера, под такие как бы квазиковоркинги. А уже там в ресторан люди приходят после семи часов. Таким образом компания Spacious организовала очень много офисных пространств, таких коворкингов для людей свободных профессий или для тех, кому нужно просто там оказаться, в двух крупных городах и продолжает развиваться дальше. Это та же самая система работы со временем.

Рекомендуем по этой теме:
60
Прикладная геоурбанистика

Предположим, может сложиться так, что у ресторана есть свободное время, но там не оказываются те самые люди, которые хотят там работать. Для этого нужна система спонтанных данных, показывающих, где какие категории людей бывают и о чем они думают, что им нужно, какой у них временной бюджет, в какое время им лучше всего и так далее. Вся модель держится исключительно на анализе данных и диалоге с этими данными, потому что классический консервативный подход следующий: «Вот мое место, вот оно ― моя собственность, я с восьми утра до шести вечера работаю, а дальше все это стоит мертвым грузом».

Мы посчитали по нескольким улицам Москвы, Нью-Йорка, Вашингтона и Атланты, какое количество времени различная коммерческая недвижимость пустует. И в зависимости от города это где-то от 45 до 60%. Конечно, понятно, что есть биоритмы. Люди просто не работают ночью. Но в крупных городах где-то до часа ночи это интенсивное время, которым люди пользуются, в этот момент их в городе бывает много. Вы сами знаете, что в Москве можно попасть в пробку в два часа ночи. И это абсолютная норма. И городское пространство на это не работает. Оно слишком сковано спячкой, которая наведена рабочими часами, трудовым кодексом в известной степени. Это, кстати говоря, тяжелая проблема, потому что это не только необходимость зонирования территории, но еще и работа с ведомствами, которые занимаются трудовыми отношениями. Очень часто бывает тяжело победить достаточно жесткую, сложившуюся в начале XX века систему логики охраны труда, которая очень важна, с одной стороны, а с другой стороны, мешает гибкости городского пространства, и с ней нужно что-то делать.