Введение
- Теоретические основы использования Big Data в таможенных органах
1.1. Понятие и содержание Big Data
1.2. Зарубежный опыт использования Big Data в таможенных органах
- Перспективы использования Big Data в таможенных органах России
2.1. Использование цифровых технологий в работе ФТС РФ
2.2. Направления совершенствования применения больших данных в таможенной сфере
Заключение
Список использованных источников и литературы
Актуальность темы исследования. В современных условиях устойчивый экономический рост и конкурентоспособность страны обеспечивают инновации, в частности цифровые технологии, которые позволяют существенно улучшить качество предоставляемых государственных услуг и повысить их эффективность.
Внедрение в деятельность государственных органов власти инновационных технологий является важной задачей, которая отражена в Стратегии развития Федеральной таможенной службы до 2030 года, предполагающая «формирование к 2030 году качественно новой, быстро перенастраиваемой, передовой в области IT-технологий умной таможенной службы, незаметной для добросовестного бизнеса и результативной для государства». Совершенствование таможенного администрирования путем использования современных информационных технологий, а также всеобщая автоматизация и цифровизация всех процессов в деятельности таможенных органов позволит повысить эффективность таможенного дела в Российской Федерации, снизить административную нагрузку на бизнес, обеспечить прозрачность таможенных процедур, что положительно скажется на имидже таможенных органов.
Цель данной работы – исследовать понятие и содержание Big Data и перспективы их использования в таможенных органах.
Для достижения поставленной цели определены следующие задачи:
- Рассмотреть понятие и содержание Big Data.
- Изучить зарубежный опыт использования Big Data в таможенных органах.
- Проанализировать использование цифровых технологий в работе ФТС РФ.
- Выявить направления совершенствования применения больших данных в таможенной сфере.
Объект исследования – ФТС РФ. Предмет исследования - перспективы использования Big Data в таможенных органах России.
Работа состоит из введения, 2 основных глав, заключения, библиографического списка.
1. Теоретические основы использования Big Data в таможенных органах
1.1. Понятие и содержание Big Data
Термин «большие данные» относится к данным, которые настолько велики, быстры или сложны, что их трудно или невозможно обработать традиционными методами. Проблема доступа и хранения больших объемов информации для аналитики существует уже давно[1]. Но концепция больших данных набрала обороты в начале 2000-х годов, когда отраслевой аналитик Дуг Лейни сформулировал ныне распространенное определение больших данных как три факторы:
Объем: организации собирают данные из различных источников, включая бизнес-транзакции, интеллектуальные устройства (IoT), промышленное оборудование, видео, Социальные сети и многое другое. В прошлом его хранение было бы проблемой – но более дешевое хранение на таких платформах, как Data lakes и Hadoop, облегчило это бремя.
Скорость: с ростом Интернета вещей данные поступают в бизнес с беспрецедентной скоростью и должны обрабатываться своевременно. RFID-метки, датчики и интеллектуальные счетчики стимулируют необходимость иметь дело с этими потоками данных почти в реальном времени.[2]
Разнообразие: данные поступают во всех типах форматов - от структурированных числовых данных в традиционных базах данных до неструктурированных текстовых документов, электронных писем, видео, аудио, данных биржевых тикеров и финансовых транзакций.
Важность больших данных заключается не в том, сколько у вас данных, а в том, что вы с ними делаете. Вы можете взять данные из любого источника и проанализировать их, чтобы найти ответы, которые позволят 1) снизить затраты, 2) сократить время, 3) разработать новый продукт и оптимизировать предложения, и 4) разумно принимать решения.[3] Когда вы объединяете большие данные с мощной аналитикой, вы можете выполнять бизнес-задачи, такие как:
- Определение первопричин отказов, проблем и дефектов в режиме, близком к реальному времени.
- Генерация предложений в точке продажи на основе покупательских привычек клиента.
- Пересчет всех рисковых портфелей в считанные минуты.
- Обнаружение мошеннического поведения до того, как оно повлияет на организацию.[4]
Прежде чем компании смогут использовать большие данные для своей работы, они должны рассмотреть, как они распределяются между множеством мест, источников, систем, владельцев и пользователей. Есть пять ключевых шагов, чтобы взять на себя ответственность за эту большую « ткань данных”, которая включает в себя традиционные, структурированные данные наряду с неструктурированными и полуструктурированными данными:
Установите стратегию больших данных.
Определите источники больших данных.
Доступ к данным, управление ими и их хранение.
1) Установите стратегию больших данных
На высоком уровне стратегия больших данных - это план, разработанный для того, чтобы помочь вам контролировать и улучшать способы получения, хранения, управления, обмена и использования данных внутри и за пределами вашей организации. Стратегия больших данных закладывает основу для успеха бизнеса в условиях обилия данных. При разработке стратегии важно учитывать существующие и будущие бизнес-и технологические цели и инициативы. Это требует рассматривать большие данные как любой другой ценный бизнес-актив, а не просто побочный продукт приложений.
2) знать источники больших данных
Потоковые данные поступают из Интернета вещей (IoT) и других подключенных устройств, которые поступают в ИТ-системы от носимых устройств, умных автомобилей, медицинских устройств, промышленного оборудования и многого другого. Вы можете анализировать эти большие данные по мере их поступления, решая, какие данные хранить или не хранить, а какие нуждаются в дальнейшем анализе.[5]
Facebook, Instagram, YouTube и т. д.-Это результат взаимодействия в социальных сетях. Это включает в себя огромное количество больших данных в виде изображений, видео, голоса, текста и звука – полезных для маркетинга, продаж и функций поддержки. Эти данные часто находятся в неструктурированных или полуструктурированных формах, поэтому они представляют собой уникальную проблему для потребления и анализа.
Общедоступные данные поступают из огромного количества открытых источников данных.
Другие большие данные могут поступать из облачных источников данных, поставщиков и клиентов.
