Jesteś w: Manager » Rynek

Big Data - fakty i mity

30.11.2017 06:54  Rynek

Analiza dużych ilości danych pomaga wykrywać zjawiska i korelacje dotychczas niewidoczne, ale jednocześnie coraz trudniej jest dotrzeć do istotnych informacji, przetwarzać je oraz odfiltrowywać błędy i zakłócenia – wynika z kolejnej Debaty Managera, która odbyła się w Klubie Polskiej Rady Biznesu. Moderatorem dyskusji był Konrad Kobylecki, dyrektor ds. IT w Netii.


BIG DATA vs. HU
RTOWNIA DANYCH


Konrad Kobylecki, Netia:

Analiza danych jest wykorzystywana od lat. Czym Big Data (BD) różni się w zasadzie od znanej wszystkim Hurtowni Danych (Datawarehouse - DW)?

Adam Bartos, SAS:

Jeśli uznać DW za narzędzie do gromadzenia jakichkolwiek zbiorów danych, to BD pozwala z nimi robić w zasadzie to samo co DW, ale na nieporównanie większą skalę. Jeśli natomiast uznać DW za narzędzie do przechowywania i analizowania ustrukturalizowanych danych w modelu Kimbala czy Inmona, to BD daje zupełnie nowe możliwości. Pozwala bowiem na analizowanie danych w sposób, jaki nie był możliwy wcześniej, chociażby dlatego, że możliwe jest zajęcie się strumieniami danych generowanych w czasie rzeczywistym przez Internet.

Tomasz Domański, Teradata:

Nie do końca się zgadzam. Jeśli bowiem przyjąć tę drugą definicję, to efekt końcowy niewiele się zmienił, istotnie zmienił się natomiast sposób, w jaki prowadzi się analizy. Jeden z naszych globalnych klientów z sektora detalicznego dane nt. swojej działalności gromadzi w prostej tabeli, która liczy sobie aż 12 Petabajtów (1 PB = 1 mln GB). Wolumen nie stanowi tu jednak problemu, bo baza ma charakter relacyjny. Co więcej, klient równie dobrze radzi sobie z analizą danych strukturalnych, jak i nie, wykorzystując do tego celu popularną technologię Hadoop. BD pozwala bowiem oderwać się od struktur, w jakich są gromadzone dane i skupić się na nowych źródłach danych, jak IVR czy fora internetowe. Jedyny problem z BD to taki, że kilka lat temu dostępny był jedynie Hadoop, a teraz konieczne jest wdrożenie do 20 różnych rozwiązań, by uzyskać odpowiednią jakość zadowalających analiz, co jest największym wyzwaniem dla firm. Tak czy inaczej, technologie stosowane do tego celu nie dość, że są tańsze to jeszcze znacznie szybsze, co pozwala analizować dane, o których kiedyś w ogóle nie myślało się, że będą do czegokolwiek przydatne.

Leszek Maśniak, Ministerstwo Cyfryzacji (MC):

Kiedyś wszystkie te nowe trendy określało się terminem Data Mining, ale dziś jest to jednak tylko jedna z technik analitycznych powszechnie stosowanych. Ich mnogość powoduje, że czasami, zamiast pomóc, szkodzą. Kiedyś bez względu na to, jakie wnioski wynikały z analiz, ostateczną decyzję co zmienić w biznesie podejmował zarząd. Dzisiaj taką decyzję podejmuje analityk i to tak szybko jak się da, by natychmiast zareagować np. na zmianę otoczenia biznesowego spowodowaną przez jakiś niekorzystny wpis w mediach społecznościowych. A jeśli musi ją podjąć szybko, to ryzyko pomyłki rośnie.

Druga ważna zmiana polega na tym, że kiedyś gromadziło się określone dane w określonym celu, np. sprzedażowym czy księgowym. Dziś dane gromadzone w jednym celu są niejednokrotnie wykorzystywane w innym, a to powoduje, że zaczyna się zbierać wszystkie dane, jak lecą, bo nigdy nie wiadomo, co czego będą mogły się przydać w przyszłości. Jako przykład podam dane gromadzone przez system obsługujący drzwi wejściowe do banku, które dopiero od pewnego czasu są wykorzystywane do analizy zachowań klientów do niego wchodzących.

Kamen Radew, Teradata:

I właśnie dlatego warto gromadzić wszystkie dane, także te niestrukturalne, jak obrazy wideo, bo w BD można to robić mniejszym nakładem kosztów operacyjnych, podczas gdy w hurtowniach danych napotykało to na niemałe wyzwania. A takie pomysły, jak wykorzystanie danych gromadzonych przez system obsługujący drzwi do celów operacyjnych pochodzą głównie od Data Scientists, nowego gatunku analityków powstałych niedługo potem, jak pojawiło się BD. Bo żeby znaleźć w heterogenicznych i niestrukturalnych danych nowe korelacje i zależności, trzeba mieć niemałą wiedzę z różnych dziedzin, na przecięciu technologii i biznesu. Rosnąca popularność BD prowadzi natomiast do tego, że obecnie przestaje ona być technology-driven, a zaczyna być technology-enabled.


KORZYŚCI
 

Konrad Kobylecki, Netia:

Po to, żeby biznes zainwestował w Big Data, musi wiedzieć, jakie może mu to przynieść korzyści. Jakiego rodzaju nowe wartości może wygenerować w tej technologii? 

Kamen Radew, Teradata

Zacznijmy od tego, że na tańszym sprzęcie i dużo większej ilości danych bez z góry narzuconych struktur można wykrywać nowe prawidłowości, które w inny sposób nie byłyby możliwe do pozyskania. Jest to możliwe m.in. dzięki pojawieniu się takich nowych technologii, jak Deep Learning, których rozwój był stymulowany konkretnymi potrzebami biznesowymi takich firm, jak Facebook czy Google.

Tomasz Domański, Teradata:

Nie ma też problemu z kosztem przechowywania danych, bo coraz więcej projektów BD jest realizowanych w chmurze obliczeniowej. Prowadzi to do zmiany modelu biznesowego, bo po pierwsze dane w chmurze niekoniecznie trzeba przetwarzać od razu, ale dopiero wtedy, gdy będzie to atrakcyjne finansowo, a po drugie maksymalną przepustowość można rezerwować w określonych godzinach, jak to ma np. miejsce w przypadku analizy oglądalności kontentu multimedialnego jednego z naszych klientów. Coraz więcej problemów biznesowych rozwiązywanych przez platformy BD, oprócz klasycznego przetwarzania statycznych danych tabularycznych, wymaga również analizy w czasie rzeczywistym danych strumieniowych np. z aplikacji webowych.

Leszek Maśniak, MC:

A ja zacznę od tego, że tam, gdzie jest bardzo dużo danych, informacji nie ma i nie poszerza ona naszej wiedzy o otaczającym świecie. Informacja pojawia się dopiero wtedy, gdy zakres danych zaczynamy zawężać. Przekładanie ich wartości na wartość biznesową oraz realne wspieranie łańcuchów wartości modeli biznesowych jest jednak na tyle skomplikowane, że można to już nazywać nauką. Kiedyś, żeby wyciągnąć jakąś konkretną wiedzę z biblioteki publicznej wystarczyło umieć posługiwać się katalogiem, dzisiaj potrzebna jest umiejętność analizy czysto naukowej, żeby udowodnić, że to coś co nas otacza, ma jakąś wartość.

Ja sam jestem jeszcze daleki od zachwytu nad możliwościami analiz danych, bo rynek wciąż szuka odpowiednich zastosowań. Niektóre są oczywiste – świetnie udają się analizy antyfraudowe w instytucjach finansowych, sprawdza się też cyfrowy marketing, który opiera się na bardzo zaawansowanym, często nieoczywistym profilowaniu. W Ministerstwie Cyfryzacji pracujemy obecnie nad strategiami rozwoju IV rewolucji przemysłowej i dla wszystkich jest oczywiste, że jest to gospodarka oparta o dane. Ale kiedy zaczynamy pytać, gdzie przełożyło się to w istotny sposób na wzrost jakichś gałęzi przemysłu, to dobrych przykładów udaje się nam znaleźć niewiele. Może dlatego, że BD przypomina „wysypisko śmieci”, na którym może być wiele wartościowych produktów, ale jeszcze nie do końca wiadomo, jak je odszukać.

Adam Bartos, SAS:

Bo może BD trzeba postrzegać jako wejście do takiego wymiaru myślenia o biznesie, który wcześniej nie istniał. I dlatego obecnie nie jesteśmy na etapie poruszania się po wspomnianym „wysypisku śmieci”, tylko odkrywania tej przestrzeni, która została udostępniona przez technologię. To też zmiana w myśleniu o informatyce jako o narzędziu do eksplorowania nowej przestrzeni, bo coraz więcej firm chce przeznaczać pieniądze właśnie na analizy BD. To rodzi, rzecz jasna, także nowe wyzwania w rodzaju cybersecurity czy wojen hybrydowych. Kto jednak tego nie będzie robił, nie będzie mógł zaistnieć w tym wymiarze.


ZASTOSOWANIA
 

Konrad Kobylecki, Netia:

Czy można podać jakieś konkretne zastosowań?


Tomasz Domański, Teradata:

Przykładów jest bardzo dużo i to w każdej branży: faktoringu, finansach czy telekomunikacji. Co ciekawe, często się zdarza, że te same podejścia są stosowane do wspierania rozwiązań różnych problemów biznesowych i to w różnych dziedzinach. Jeden z naszych klientów z USA, specjalizujący się w produkcji dysków, miał problem z czasem reakcji na zgłoszenia usterek od klientów, który sięgał nawet kilku miesięcy. Gdy skorzystał z naszego rozwiązania w postaci centralnej platformy BD do przechowywania danych, gdzie jednym zapytaniem można objąć wiele źródeł danych, proces ten skrócono do tygodnia, a to dzięki wykorzystaniu nowych źródeł danych oraz elementów, które wcześniej nie były używane.

Kamen Radew, Teradata:

Wiele banków dzięki BD może obecnie dokonać profilowania klienta zanim pojawi się on w banku. Łącząc informacje pozyskane na podstawie jego profilu w Internecie z danymi posiadanymi przez bank można wywnioskować, na jakim etapie życia się znajduje i z wyprzedzeniem zaplanować dla niego ofertę w oparciu o analitykę. Wcześniej nie było takich możliwości.

Leszek Maśniak, MC:

Ja cyfryzację biznesu i skupione wokół niej techniki, jak BD i analityka uważam za bańkę nadmuchaną przez samą branżę IT. Traktuję ją jako etap przejściowy, chociaż niewykluczone, że prowadzi ona do podniesienia efektywności sprzedaży i zmniejszenia kosztów, chociaż akurat coraz krótszy czas prowadzenia analiz nie jest dla mnie najważniejszy.

Dla mnie BD najlepiej sprawdza się przy analizie odchyleń oraz anomalii, bo właśnie w taki sposób wykrywa się fraudy czy wykrywa za pomocą IoT ryzyka zaburzeń ruchu drogowego w projektach Smart Cities. 

Trzeba jednak pamiętać, że biznes cały czas działa na tych samych zasadach co 100 lat temu. Jego istotą jest nadal kilkanaście tych samych kluczowych wskaźników efektywności – produkcyjnej, sprzedażowej czy finansowej. Nie pojawiły się przy tym żadne nowe miary jakości firm, które zamknęły się w świecie cyfrowym, a to dlatego, że żaden inwestor nie chciałby płacić za wyższy stopień ich ucyfrowienia. A inwestycja w to zwróciła się tylko tam, gdzie skrócono łańcuchy dostaw, podniesiono efektywność pracy urządzeń czy zmniejszono ilość defektów.

Konrad Kobylecki, Netia:

To jednak kontrowersyjna teza, bo jeśli nie ma przykładów zwiększenia wartości poprzez cyfryzację, to pojawia się pytania na czym zarabia Facebook czy Google.

Adam Bartos, SAS:

Tak czy inaczej, żyjemy w cyfrowym świecie posługując się cyfrowymi pieniędzmi, a te muszą być zabezpieczane za pomocą cybersecurity. I robi się to za pomocą BD obniżając tym samym ryzyko działania. Inny przykład to Usage Based Insurance, czyli np. dostosowanie ceny polisy do zachowania się kierowcy na drodze, a tego nie można byłoby badać bez BD. Podobnie służba zdrowia może monitorować pacjentów wyposażając ich w czujniki analizujące stan ich zdrowia.

Konrad Kobylecki, Netia:

Nasza firma od 1 września br. jako pierwsza na rynku świadczy usługę analizy danych pochodzących z dekoderów telewizyjnych. Udostępniamy odpłatnie naszym klientom miarodajne, ale anonimowe statystyki, zostawiając im jednak ich interpretację. Nie sądzę jednak, że są one bardziej narażone na atak tylko dlatego, że są obsługiwane przez technologie BD. Wręcz przeciwnie.

Kamen Radew, Teradata

W ich przypadku techniki zabezpieczeń muszą być jednak dużo bardziej wyrafinowane niż w przypadku hurtowni danych. Platformy BD w swojej naturze są projektowane w celu konsolidacji danych, które wcześniej musiały z przyczyn technicznych być trzymane w osobnych systemach. Daje to znakomite korzyści analityczne, z drugiej strony zwiększa ryzyko wycieku danych. Np. dane o sekwencjach genetycznych, które mają potencjał stać się bardzo groźnym narzędziem w nieuprawnionych rękach, nie mogą być trzymane w tradycyjnej hurtowni danych, natomiast wręcz powinny leżeć w centralnym miejscu platformy BD, dzięki czemu czas ich analizy skraca się z tygodni do godzin.

Tomasz Domański, Teradata:

Ale to już nie zależy od technologii tylko rodzaju danych i o ich bezpieczeństwie trzeba mówić w kontekście całej organizacji, czyli o procesach, rolach, kto ma do czego jakie prawa, jaki jest proces akceptacji, jakiego typu dane trzymamy i o jakich wrażliwościach i jakiego rodzaju ścieżki dostępu muszą być w takiej sytuacji zdefiniowane, nie mówiąc o ciągle zmieniających się regulacjach.

Leszek Maśniak, MC:

Istotą działalności gospodarczej jest podejmowanie ryzyka i nie po to podejmuje się analitykę, żeby go uniknąć, tylko żeby stawić mu czoła, kiedy się pojawi. Stosowanie BD też trzeba zacząć od analizy ryzyka, bo ona jest kluczem do sukcesu.

Ponieważ od połowy przyszłego roku zacznie obowiązywać rozporządzenie RODO, został już opublikowany polski projekt wprowadzenia regulacji do porządku prawnego, a ponad 150 ustaw sektorowych zostało zmienionych pod tym kątem. To gigantyczne przedsięwzięcie legislacyjne, nie wiem czy nie największe w historii naszego kraju, przenoszące ciężar odpowiedzialności za ochronę danych osobowych na przedsiębiorców, a to ogromne wyzwanie.

Może się bowiem zdarzyć, że nawet jeśli jedna firma opublikuje 3 całkowicie legalne informacje i druga zrobi podobnie, to razem mogą one przestać być legalne, stanowiąc naruszenie poufności. I to od teraz będzie trzeba przewidzieć inwestując w analizę ryzyka. Na pewno poradzą sobie z tym banki, które mają to w swoim DNA, ale mniejsze firmy – już niekoniecznie, a to może doprowadzić nawet do ich upadłości. Jeśli jednak firma do tego się przyłoży, to może to zapewnić jej przewagę konkurencyjną.

Adam Bartos, SAS:

Jeśli ataki na cyberbezpieczeństwo działają w sposób zautomatyzowany, to i obrona musi działać w ten sam sposób. Nie da się tego zrobić bez analizy danych, uczenia maszynowego czy wykrywania wzorców, a w tym rola BD jest nie do przecenienia, bo zdarzeń jest za dużo i dzieją się za szybko, żeby jakakolwiek inna technologia z tym sobie poradziła. Nowym zagrożeniem jest natomiast to, że ponieważ bardzo szeroki zakres danych, np. dotyczących klienta, jest w BD zgromadzony w jednym miejscu, sposób dobrania się do nich staje się łatwiejszy, a skutki ew. wycieku poważniejsze.

Kamen Radew, Teradata:

Kluczem do sukcesu jest właściwa architektura danych w BD, która zapewni bezpieczeństwo zarówno na poziomie technologii, jak i procesów biznesowych. A wtedy nawet nieświadomy klient nie będzie mógł popełnić katastrofalnego w skutkach błędu.

Tomasz Domański, Teradata:

Sęk w tym, że nie wszystkie narzędzia BD są wyposażone w rozwiązania zabezpieczające, albo też zostają one dodane naprędce na samym końcu i potem się nie sprawdzają. W efekcie wyciągnięcie z takich systemów danych nie wymaga nawet jakichkolwiek umiejętności hakerskich i, co gorsza, nie zostawia po złodzieju żadnych śladów, co w przypadku hurtowni danych nie byłoby możliwe. A w związku z tym trzeba mieć świadomość, że oceniając koszt inwestycji w BD nie należy skupiać się na cenie sprzętu, ale pamiętać o koszcie adaptacji do nowej technologii i zmianie podejścia do analizowania danych.

 
BIG DATA vs. SZTUCZNA INTELIGENCJA

Konrad Kobylecki, Netia:

A jak ma się do Big Data koncepcja sztucznej inteligencji?

Leszek Maśniak, MC:

Sztucznej inteligencji przypisuje się możliwości rodem z filmów S-F, a przecież nie ma ona jednej kluczowej cechy ludzkiej inteligencji, a mianowicie woli. Dla mnie jest to obecnie ten poziom wykorzystania nowoczesnych technologii, przy którym nie ma się już ochoty i możliwości analizowania tego, co ona zrobiła. Gdy w hurtowni danych pojawiał się błąd, bez specjalnego trudu można było wyśledzić jego źródło. Przy prognozach pogody tego się już nie robi, bo po pierwsze trwałoby to zbyt długo, a po drugie, maszyny zdobyły już na tyle nasze zaufanie, że nie chciałoby się nam tym zajmować.

Kamen Radew, Teradata:

Moim zdaniem, w każdym przypadku jesteśmy w stanie to prześledzić, nie jesteśmy tylko w stanie powiedzieć, dlaczego sztuczna inteligencja podjęła taką, a nie inną decyzję.

Adam Bartos, SAS:

A ja zgadzam się z tezą, że sztuczna inteligencja nie istnieje. Bo nawet Deep Learning, który naśladuje to, jak uczy się człowiek, jest co najwyżej umiejętnością zaprogramowania pewnej struktury, żeby reagowała na bodziec co prawda nawet na taki, na który nie reaguje człowiek. W przypadku szachów wystarczył klasyczny algorytm back-trackingowy, żeby pokonać mistrza świata i to już prawie 20 lat temu. W przypadku chińskiej gry go, dużo bardziej złożonej od szachów, konieczne było zastosowanie w sieci neuronowej Deep Learningu, który nie tylko edukował się grając partie sam ze sobą, ale potrafił po analizie ruchów dostosować swoją strategię do stanu psychicznego przeciwnika. I tak pół roku temu pokonał wicemistrza świata, który potem tłumaczył się, że przegrał, bo komputer robił ruchy, których trenerzy zakazują wykonywać, a on nie był na nie przygotowany.

Konrad Kobylecki, Netia:

Zaletą sztucznej inteligencji jest to, że adaptuje się do rzeczywistości bez pomocy nauczyciela, chociaż oczywiście, jeśli naukę wspiera zespół ekspertów, to jest to bardziej skuteczne.

Tomasz Domański, Teradata:

Ostatnio w konkursach analitycznych typu Kaggle bez względu na tematykę biznesową (medycyna, produkcja, rozpoznawanie obrazów czy prognozowanie) sukcesy odnoszą te same grupy Data Scientistów korzystające tylko z technik Deep Learningu. Co ciekawe, stosując te techniki zaczęli w niektórych obszarach uzyskiwać wyniki lepsze od ekspertów w danej dziedzinie, np. przy programach wspierających wykrywanie raka płuc czy mózgu. Jedna z takich grup założyła nawet własną firmę zajmującą się analityką obrazowania medycznego, która obecnie odnosi już spore sukcesy.

Kamen Radew, Teradata:

Co do sieci neuronowych, to problem z nimi polega na tym, że kierunek ich dalszej ewolucji stoi pod znakiem zapytania, ponieważ nie uczą się one w ten sam sposób, co ludzki mózg, chociaż mają strukturę wzorowaną na nim, no i potrzebują nauczyciela, który je wyedukuje. A przecież są już dostępne na rynku programy, które są w stanie grać w dowolne gry komputerowe obserwując jedynie przebieg gry na ekranie komputera.  


WDROŻENIE I POMIAR EFEKTÓW
 


Konrad Kobylecki, Netia:

Jak można zacząć inwestować w BD i jak zmierzyć korzyści?


Leszek Maśniak, MC:

Największe BD, z jakim miałem do czynienia, jest w zderzaczach hadronów, które w ciągu sekundy generują petabajty informacji, których przechowywanie w całości nie jest możliwe. Jak z tym sobie radzą fizycy kwantowi? Zaczynają od postawienia hipotezy, że istnieje jakaś nowa konkretna cząstka, a potem generują ogromne ilości danych analizując je wyłącznie pod tym tylko kątem.

Gdzie jest analogia do biznesu? Ano w tym, że w świecie BD managerowie powinni robić dokładnie to samo. Czyli stawiać śmiałe hipotezy, a w świecie danych szukać dla nich poparcia. Przykładowo, że istnieje segment rynku, który powinien zareagować na określone usługi lub produkty, które firma tworzy.

Tomasz Domański, Teradata

Jestem daleki od doradzania firmom stawiania platformy BD tylko po to by ją mieć. Na rynku jest dużo projektów tego typu, ale w większości z nich dział IT nie potrafił wcześniej uzasadnić przed biznesem potrzeby jej instalowania. Tym bardziej, że po zakupie sprzętu, postawieniu Hadoopa do gromadzenia danych niestrukturalnych oraz wrzucaniu logów z weba i systemów transakcyjnych efekty nie były zadowalające.

My budujemy system BD kompleksowo zaczynając od rozmów z top managementem nt. problemów, jakie chce za pomocą BD rozwiązać. Potem rozmawiamy z informatykami, które za takie platformy odpowiadają, a na koniec z końcowymi użytkownikami. Chociaż jesteśmy przy tym przekonani, że platforma BD przyniesie w przyszłości mnóstwo wartości, których nie jesteśmy w stanie teraz zdefiniować, to zaczynamy od tych, które daje się dobrze opisać.

Adam Bartos, SAS:

To prawda, że budowę platformy BD warto zacząć od czegoś mierzalnego, bo zdobyte przy tym doświadczenie pozwoli wykonać następny krok. Ale ponieważ istotnie wpłynie to na sposób funkcjonowania całej organizacji, zarząd musi sobie odpowiedzieć nie na pytanie, czy warto ją budować, tylko czy stoi za tym odpowiednia strategia biznesowa. Bo tylko w takim wypadku projekt będzie się mógł zakończyć sukcesem.

Leszek Maśniak, MC:

Zawsze trzeba jednak wyjść od istoty problemu, jak np. zrobiło pewne miasto w USA, które przy włazach do kanałów zainstalowało czujniki oleju, które w bardzo krótkim czasie pomogły ustalić, które restauracje zanieczyszczają nim środowisko.

Kamen Radew, Teradata:

Trzeba zacząć od analizy przypadku, postawienia odpowiedniego pytania oraz określenia metryki, mierzącej jakość rozwiązania konkretnego problemu biznesowego. A to pozwoli odwzorować kształt, prędkość i rozmiar danych potrzebnych do rozwiązania konkretnego Use-Case’a w budowanej platformie BD.

Tomasz Domański, Teradata:

Warto też pamiętać, że wejście w BD wymaga zatrudnienia tzw. Data Stewardów, którzy odpowiadają za jakość danych i że im mniej będą oni techniczni, tym lepiej.

Konrad Kobylecki, Netia:

W Netii dział BD jest akurat częścią działu IT, ale nie wszyscy zatrudnieni w nim specjaliści są informatykami. Mamy nawet socjologa.

A co podsumowania: Big Data pozwala nam oderwać się od struktur i systematyzacji danych, a skupić na istocie informacji zawartej w dotychczas niewykorzystywanych źródłach jak analiza obrazu, głosu, treści wypowiedzi, strumieni wideo, czy forów internetowych. Nowe technologie ze szczególnym uwzględnieniem chmury zmieniają modele biznesowe monetyzacji danych. Wynika to stąd, że umiejętność wydobycia istotnej informacji i wniosków z lawinowo rosnącej ilości danych staje się coraz bardziej istotnym wyróżnikiem konkurencyjnym.

opr. Wojciech Gryciuk

 

  • RSS
Dodaj artykuł do: Facebook Wykop.pl nk.pl blip.pl twitter.com

Komentarze

  

Dodaj komentarz (10-500 znaków)

manager