Bigdata как объект оценки

В мире ежедневно отправляются миллиарды писем, миллионы сообщений в социальных сетях, совершаются миллионы транзакций. Каждый человек генерирует огромный объем данных, количество которых растет по экспоненте 1. Совершенствуется и техническая сторона в этой области: платформы и аналитика данных.

В исследовании Эндрю Макафи и Эрика Бриньольфссона из Массачусетского технологического института отмечается: «компании, входящие в первую треть своей отрасли по использованию принятия решений на основе данных, были в среднем на 5% более продуктивными и на 6% более прибыльными, чем у конкурентов» 2.

BigData (большие данные) не только заметно ускоряет темп работы, но и дает топ менеджерам глубокие знания, которые используются в процессе принятия решений в организации. Другими словами, благодаря анализу больших данных организация работает умнее, быстрее и эффективнее.

Анализ больших данных позволят:

• 1)    снизить затраты;

• 2)    сократить время;

• 3)    разработать новый продукт и оптимизировать предложения;

• 4)    разумно принимать решения.

Например, организация хочет протестировать обновленную целевую страницу интернет-сайта, чтобы определить, как это повлияет на рейтинг кликов. Фармацевтическая компания хочет протестировать новое соединение, чтобы выяснить, значительно ли улучшились результаты лечения. Компания прямого маркетинга планирует одновременно протестировать несколько писем с предложениями, чтобы установить, какое из них вызывает наибольший отклик.

Данные анализируются, чтобы найти «полезные сведения». Они стимулируют новые идеи и могут усовершенствовать существующие методы ведения бизнеса. Это оказывает позитивное влияние на сферы деятельности, где полнота и объем информации играют значительную роль для определения качества представляемых услуг, например торговая, научная, судебная, аудиторская, налоговая 3, оценочная деятельность 4 и т. д.

В 2010 году объем всех данных во всем мире был 20 зеттабайт (единица измерения количества информации) (далее – ЗБ) и по прогнозам аналитической фирмы IDC к 2025 году возрастет до 175 ЗБ 5. Это в разы больше, чем общий объем данных по состоянию на 2016 год. Также в докладе этого агентства указывается, что 60 процентов всего объема данных будут генерировать не пользователи, а организации, и именно организации экономической и промышленной сфер.

С 2000 года в России стал регулироваться вопрос об обороте личной информации, под которой, как правило, понимают любые данные, которые можно соотносить с конкретным физическим лицом. В соответствии со статьей 7 Закона № 152 «операторы и иные лица, получившие доступ к персональным данным, обязаны не раскрывать третьим лицам и не распространять персональные данные без согласия субъекта персональных данных, если иное не предусмотрено федеральным законом» 6. С 1 сентября 2015 года закон также требует хранить обработанные личные данные россиян на территории России.

С появлением и ростом структурированных и неструктурированных данных появился термин BigData. В связи с тем, что этот термин стал использоваться сравнительно недавно, у него отсутствует общепринятое определение, но это не мешает его использовать при формировании государственных документов, например Прогноза социаль- но-экономического развития Российской Федерации. В этом документе BigData отводится значимая роль в системе здравоохранения: «будет функционировать в рамках единого цифрового контура на основе единой государственной информационной системы в здравоохранении (ЕГИСЗ), который даст возможность для сбора, хранения, обработки (big data) и анализа больших массивов информации» 7.

Есть мнение, что популяризировал термин BigData доктор в области информатики Джон Маши из университета штата Пенсильвания в 1990 году. Большие данные обычно включают наборы данных, с размерами вне способности широко используемых программных средств, для захвата, управления и обработки данных в пределах затраченного времени 8. Философия больших данных охватывает неструктурированные, полу-структурированные и структурированные данные, однако основное внимание уделяется неструктурированным данным 9.

В 2018 году в работе «BigData в медицине: направления использования» было дано определение BigData – это различные инструменты, подходы и методы обработки как структурированных, так и неструктурированных данных для того, чтобы их использовать для конкретных задач и целей предметной области 10.

Владимир Митин интерпретирует BigData не столько в объемах данных, сколько в нахождении зависимостей между разнородными данными 11.

Я.Л. Гобарева и Г.В. Ширнин дают следующее определение BigData – это не просто управление большими объемами информации и данных, как может показаться из названия, а именно анализ огромного массива постоянно обновляемых данных 12.

Е.В. Романенко в своей работе «Место BigData в современной социально-экономической жизни общества» представляет сущность BigData таким образом – это технология анализа и хранения больших объемов многообразных данных 13.

В учебнике Спригера 2018 года указано: «Большие данные – это то, где необходимы инструменты параллельных вычислений для обработки данных». Также отмечается: «Это представляет собой отчетливое и четко определенное изменение в используемой компьютерной науке с помощью теорий параллельного программирования и потери некоторых гарантий и возможности, сделанные реляционной моделью Кодда» 14.

В немецком языке обычно говорят о массовых данных, хотя определение идентично «BigData». Термин «большие данные» также используется как собирательный термин для множества цифровых технологий. С социальной точки зрения они вызывают социальные потрясения, с технической точки зрения – создают эру новых возможностей цифровой связи и обработки. Термин «большие данные» не статичен и может постоянно меняться. Как правило, этим тер- мином обозначается технология 15.

Авторы M.A. Benedikt Hofmann и Sebastian Hofmann понимают под «большими данными» большие объемы данных, которые потребители, пользователи и компании производят ежедневно 16.

Chip.de (крупнейший потребительский портал в Германии онлайн-журнала CHIP) дает несколько иное объяснение большим данным: «Большой объем данных называется большими данными, если их объем слишком велик или слишком сложен для обработки вручную. Это особенно верно для данных, которые постоянно меняются» 17.

Официальный вестник Французской Республики от 22 августа 2014 года указывает, что большие данные – это структурированные или неструктурированные данные, очень большой объем которых требует подходящих инструментов анализа 18.

В работе Виктора Мейер-Шенбергера и Кеннета Кукьера под большими данными подразумевается использование всех данных для анализа и обработки вместо упрощенного метода случайного анализа (выборочного обследования) 19.

Ученые Канады рассматривают BigData как стратегический актив 20. Под большими данными понимаются чрезвычайно большие наборы данных, предоставляемые такими источниками, как социальные сети или газеты, которые требуют мощных вычислительных методов для выявления тен- денций, закономерностей или прогнозируемой вероятности события 21.

Термин «большие данные» относится к определенному типу данных, которые имеют большую величину (обычно несколько петабайт на набор данных) и разнообразие, значительные требования к скорости обработки, поэтому для их обработки и манипулирования необходимы инновационные подходы. Анализ таких данных обычно выполняется с помощью массивно-параллельных вычислений с использованием, например, интернет-коллекции компьютеров, организованных для совместного использования обработки в облаке 22.

Из документа Европейской Парламентской Исследовательской Службы большие данные относятся к наборам данных, настолько большим и сложным, что их трудно обрабатывать с помощью традиционных приложений информационных и коммуникационных технологий 23.

Национальный институт стандартов и технологий предлагает следующее определение: «Большие данные» – это термин, который приравнивается к анализу данных или информатике 24.

Определение BigData из Википедии: (Больши́е да́нные от англ. [bɪɡ deɪtə]) – обозначение структурированных и неструктурированных данных огромных объемов и значительного многообразия, эффективно обрабатываемых горизонтально масштабируемыми программными инструментами, появившимися в конце 2000-х годов и альтернативных традиционным системам управления базами данных и решениям класса Business Intelligence 25.

Еще в некоторых источниках склоняются к переводу понятия BigData как «сложные данные» и подразумевают данные со следующим набором характеристик:

• •    сложность и дороговизна проведения анализа;

• •    значительные человеческие и вычислительные ресурсы;

• •    вероятность наличия информации, использование которой приведет к конкретному, измеримому увеличению бизнес-показателей компании.

Если рассматривать термин BigData с технологий точки зрения, то решаются две главные задачи:

• 1)    хранение и анализ значительного объема структурированных данных, требующих высокой скорости обработки и принятия мер реагирования в режиме реального времени;

• 2)    сбор, хранение и использование неструктурированных данных, включая аудио-, фото- и видеоинформацию ²⁶.

Исходя из проведенного анализа очевидно, что есть несколько точек зрения относительно сущности BigData, а именно:

• •    структурированные и неструктурированные данные;

• •    анализ и обработка данных;

• •    включает и первое и второе.

На наш взгляд, наиболее полное понятие BigData дается в Википедии, которого и будем придерживаться в настоящей работе.

Основные источники генерации BigData:

• •    цифровой мир – Google, Facebook, Яндекс, электронные гаджеты и т. д.;

• •    реальный мир – Росстат, Гидрометцентр, Сбербанк, налоговая служба, предприятия розничной торговли и т. д.;

• •    специализированные профессионалы – DataTrader, DataHound и т. д.

Собираются такие данные, как поведенческие, социальные, биологические, финансово-экономические, личные, интимные: семья, связи, круг общения, привычки и т. д.

Аудиторы с помощью специальных программ позволяют выявить неточности в работе не только маленьких, но и больших организаций, и времени на обработку информации тратится меньше, хотя объем данных возрастает в разы.

В области налогообложения объем данных существенно увеличился, и с появлением новых кассовых аппаратов, которые в режиме реального времени передают данные о количестве проданного товара в налоговую службу, улучшилась и финансовая прозрачность организаций. Предполагается, что далее данные о покупателях будут обезличены и продаваться всем заинтересованным лицам, например маркетологам.

Если рассматривать BigData с точки зрения оценочной деятельности, то можно выделить два направления:

• •    BigData как объект оценки;

• •    BigData как источник получения данных.

В статье 5 Федерального закона от 29 июля 1998 года № 135-ФЗ «Об оценочной деятельности в Российской Федерации» (в редакции от 31 июля 2020 года) перечислены объекты оценки. Исходя из этого списка можем предположить, что BigData как объект оценки могут быть:

• •    право собственности и иные вещные права на имущество или отдельные

вещи из состава имущества;

• •    информация.

В статье 1225 Гражданского кодекса Российской Федерации (далее – ГК РФ) перечислены охраняемые результаты интеллектуальной деятельности и средства индивидуализации, включая базу данных, которая является нематериальным активом. Исходя из определения, представленного в статье 1260 ГК РФ, «Базой данных является представленная в объективной форме совокупность самостоятельных материалов (статей, расчетов, нормативных актов, судебных решений и иных подобных материалов), систематизированных таким образом, чтобы эти материалы могли быть найдены и обработаны с помощью электронной вычислительной машины (ЭВМ)». Можно сделать вывод, что некоторые большие данные являются базами данных. Хотя между традиционными базами данных и базами BigData существуют технические отличия (см. [1, с. 317]), но с юридической точки зрения использование этого объекта гражданских прав вполне приемлемо для идентификации BigData в качестве объекта оценки.

Правила формирования в бухгалтерском учете и бухгалтерской отчетности информации о нематериальных активах организаций устанавливаются ПБУ 14/2007 [29]. Согласно ПБУ 14/2007 к нематериальным активам могут быть отнесены базы данных, если они зарегистрированы в Федеральной службе по интеллектуальной собственности (далее – Роспатент) и имеют подтверждающий документ о регистрации.

Таим образом, оценщик сможет провести оценку BigData в качестве базы данных, если она будет зарегистрирована в Роспатенте и получен охранный документ.

Из статьи 2 Федерального закона от 27 июля 2006 года № 149-ФЗ «Об информации, информационных технологиях и о защите информации» (в редакции от 8 июня 2020 года) можем сделать вывод о том, что BigData может быть оценена в качестве информации: «информация – сведения (со-

общения, данные) независимо от формы их представления».

Также можно сделать вывод о том, что организация для целей бухгалтерского учета такой актив, как BigData, может учесть на балансе в качестве:

• •    нематериального актива, если будут единовременно исполнены все семь критериев, причисленные в ПБУ 14/2007;

• •    расходов организации.

Согласно пункту 5 Положения по бухгалтерскому учету «Расходы организации» ПБУ 10/99, утвержденного приказом Министерства финансов Российской Федерации от 6 мая 1999 года № 33н, расходами по обычным видам деятельности являются расходы, связанные с изготовлением продукции и продажей продукции, приобретением и продажей товаров. Такими расходами также считаются расходы, осуществление которых связано с выполнением работ, оказанием услуг.

Согласно пункту 16 Положения по бухгалтерскому учету «Расходы организации» ПБУ 10/99 расходы признаются в бухгалтерском учете при наличии следующих условий:

• •    расход осуществляется в соответствии с конкретным договором, требованием законодательных и нормативных актов, обычаями делового оборота;

• •    сумма расхода может быть определена;

• •    имеется уверенность в том, что в результате конкретной операции произойдет уменьшение экономических выгод организации. Уверенность в том, что в результате конкретной операции произойдет уменьшение экономических выгод организации, возникает в случае, когда организация передала актив либо отсутствует неопределенность в отношении передачи актива.

Таким образом, на основании изложенного можно заключить, что в отчете оценщика при оценке стоимости BigData в качестве объекта оценки может быть указана:

• 1)    база данных;

• 2)    информация исходя из правоустанавливающих и правоподтверждающих документов, представленных на объект оценки.

По итогам проведенного анализа можно сделать вывод о том, что в России, Германии, Франции, Китае, США и Канаде выделяют 3V (Volume,Velocity,Variety) – три главные ценообразующие характеристики BigData – объем, скорость и разнообразие.

На наш взгляд, для определения стоимости такого объекта оценки необходимо учитывать 7 базовых ценообразующих характеристик:

• 1)    объем (обычно превышает терабайты и петабайты) ²⁷;

• 2)    скорость (частота генерации и частота обработки, записи и публикации);

• 3)    разнообразие или вид (структурированные, неструктурированные, полуструк-турированные);

• 4)    достоверность (непрерывность создания в реальном времени);

• 5)    масштабируемость (возможность увеличения объема данных);

• 6)    изменчивость (изменение каких-либо характеристик в зависимости от контекста, в котором они создаются);

• 7)    исчерпываемость (насколько система захватывает все генерируемые данные).

Данные – это сырье для будущего. Оцифровка превращает почти каждую организацию в генератор, сборщика и эксплуататора больших данных. BigData – это инструмент, который со временем заменит более традиционные способы обработки количественных исследований (анализ продаж, поведение рынка, составление портрета покупателя, прогнозирование), сделает некоторые отрасли более прозрачными и станет обычным объектом оценки.