Несколько лет назад украинский бизнес начал говорить о прогнозах почти в один голос. Ритейлеры, операторы мобильной связи и банки нашли новое применение для огромных объемов данных, лежащих на серверах. Оказывается, их можно использовать для оптимизации затрат и удержания исходящих клиентов. Liga.net и TECHIIA публикуют новую главу о 8 технологических революциях в Украине с момента обретения независимости. Наш герой - большие данные. Какова их ценность и каковы скрытые подводные камни?
Big Data - это прежде всего прикладная технология. Сбор и обработка данных - это невидимый, рутинный процесс, проходящий практически незаметно. Люди увлекаются идеальной работой интернет-ритейла, благодаря за удобную подборку товаров и крутые акции. Однако, мало кто говорит «спасибо» алгоритмам, которые по капельке собирают данные, благодаря массива которых возможны новые механизмы торговли. Big Data уже везде и всегда. Все собирают данные, некоторые даже не понимая зачем, но уверены, что пригодится
Сотни и тысячи. Сотни и тысячи рекламных сообщений напали на ваши глаза с того момента, как вы проснулись сегодня, до момента, когда вы открыли этот текст. Курсы английского выскочили в Facebook, креативная пижама - в Instagram, и YouTube дал вам «10 мифов о покупке автомобиля». На ваш мобильный телефон пришло смс из ближайшего супермаркета о скидках на манго. На почте - скидка на пылесосы от интернет-магазина.
И вполне возможно, что вам или нужно все это или скоро понадобится.
Мы давно привыкли к сервисам и приложениям, которые могут угадывать наши желания заранее. Политики знают, как привлечь аудиторию в сообщениях о выборах. Мы даже не думаем о том, как они это делают. Между тем, мы генерируем так много данных, что нечего удивляться. Бизнес учится работать с этими большими данными.
Что такое big data?
Это именно то, на что это похоже. Это большие массивы структурированной и неструктурированной информации. Насколько велик? Трудно собраться вместе в одной фигуре. Это зависит от вида данных и их источников. Но десятки и сотни новых гигабайт в день - правильный ответ.
В современной версии понятие больших данных одновременно включает в себя методы и инструменты анализа, обработки этих массивов. Часто к ним цепляются термины наука о данных и машинное обучение - их методы используются для построения моделей и выявления неочевидных закономерностей в данных. И цели могут быть разными. Мы поговорим об этом ниже.
Большие данные в Украине - это относительно молодая сфера. Об этом много говорили в 2016 году, параллельно с победой Дональда Трампа на выборах в США. В то время мировые СМИ активно обсуждали, что победу республиканца обеспечили «большие данные». И политтехнологи, которые грамотно использовали эти данные для суперцелевой рекламы в социальных сетях.
Оказалось, что наши предприятия также могут извлечь из этих данных коммерческую выгоду.
Некоторые слухи распространялись до сих пор. Люди говорят, что предприятия продают наши данные другим компаниям, чтобы заработать деньги. Или они зарабатывают деньги самостоятельно. Компании имеют устойчивый ответ на это: мы не продаем личные данные. Мы храним все на защищенных серверах. Доступ строго регламентирован. Если мы имеем дело с внешними случаями, данные максимально анонимны. С запуском GDPR в Европе все стало еще сложнее.
Пару лет спустя, шумиха вокруг больших данных начала уменьшаться. Массовый рынок переключился на темы блокчейна и криптовалюты. Большие данные все меньше и меньше запоминаются. Но это стало реальными случаями.
Юрий Лазебников, управляющий партнер холдинга TECHIIA
«Большие данные - это, прежде всего, прикладная технология. Сбор и обработка данных - это невидимый, рутинный процесс, который проходит практически незамеченным. Люди восхищаются идеальным опытом онлайн-розничной торговли благодаря удобному выбору продуктов и интересным акциям. Однако мало кто говорит« спасибо ». Вы "алгоритмы, которые собирают данные, благодаря массиву, из которого возможны новые торговые механизмы. Большие данные есть везде и всегда. Все собирают данные, некоторые даже не понимают, почему, но они уверены, что это будет полезно «.
Анализировать массивы данных имеет смысл, если у вас достаточно данных в правильной форме. Бабушка, которая продает газеты на автобусной остановке, не может этого сделать. Даже если она продает сотни газет в день, она может полагаться только на свою интуицию без собранных «следов» покупателей.
Те, кто хранит и структурирует информацию, могут создать собственную цифровую интуицию. Наиболее понятными сегментами являются операторы мобильной связи, банки, ритейл. Мощь данных клиента стоит обратить в новые случаи. Постепенно машинные задачи добавляются к чисто «человеческим» задачам, например, в крупных отраслях промышленности.
Давайте разберемся, что они могут.
Оператор мобильной связи: улучшить, показать, продать
Любой будет завидовать базам данных мобильных операторов. Они хранят информацию о звонках, сообщениях, трафике, движении денег на счету и многое другое.
Например, в «Киевстаре» говорят, что ежедневный поток данных, доступных для анализа, превышает 8 ТБ в день. Это бесценная информация не только о техническом состоянии сети, но и о поведении клиента. И понимание поведения очень хорошо монетизируется.
Операторы используют анализ больших данных, чтобы удержать существующих клиентов и расширить использование любых услуг. Vodafone говорит, что раньше полагался на сотни показателей на число. Теперь он основан на десятках тысяч.
Также проекты, основанные на больших данных, помогают оптимизировать операционную часть: построение и эксплуатацию телекоммуникационной сети, обслуживание клиентов, предотвращение мошенничества и другие.
Илья Полшаков, директор по новому бизнесу «Киевстар», считает, что ключевым внутренним примером CVM (управление стоимостью клиента) является управление жизненным циклом клиента. Оператор анализирует, какими услугами пользуется абонент, сколько он тратит в этом случае. Благодаря аналитике, машинному обучению и обработке данных в режиме реального времени для клиентов выбираются лучшие тарифы и услуги.
В «Киевстаре» говорят, что эффект 2% от выручки оператора был достигнут с помощью CVM. Если учесть, что выручка компании в третьем квартале составила 5,8 млрд грн, то можно говорить о более чем 100 млн грн.
Vodafone считает, что наиболее масштабными случаями является увеличение абонентской базы за счет уменьшения оттока более чем на 20% в течение более 10 лет. Доход от перекрестных продаж услуг увеличился в несколько раз. А после введения 3G-4G произошло масштабное увеличение проникновения пользователей данных.
Владимир Рыбалко
руководитель подразделения Big Data в Vodafone
«Мы точно знали, на какое сообщение лучше всего ответит конкретный клиент. Эффективность таких недорогих коммуникаций для компании была в несколько раз выше, чем дорогостоящих коммуникаций ATL (реклама в традиционных СМИ - ред.)».
Несколько лет назад появилась новая идея. Вслед за зарубежными коллегами украинские операторы решили монетизировать свои данные с помощью внешних компаний. Общее количество активных сим-карт двух крупнейших компаний - «Киевстар» и Vodafone - превышает население Украины. Такие базы данных хорошо экстраполируются на маркетинговые задачи.
«Первые случаи внешней монетизации данных появились в 2015–2016 гг., Когда были разработаны решения для компаний-клиентов, чтобы они отправляли адресные SMS своим клиентам, которые подтвердили получение рекламных сообщений», - вспоминает Илья Полшаков.
Как мобильный оператор выбирает, кто будет получать рекламные сообщения клиента?
Иногда, конечно, такое чувство, что оно посылает случайно. Но этот процесс сложнее. Клиент - розничный, банковский или другой бизнес - описывает оператору профиль желаемого клиента: где он или она живет / работает, сколько он или она зарабатывает. Оператор с некоторой точностью вычисляет таких клиентов в своей базе данных и добавляет их в список рассылки. Существует также «похожий» формат. Клиент выбирает из своей базы данных «хороших» клиентов, отправляет оператору свои номера телефонов без какой-либо личной информации. Алгоритмы поиска стандартных функций в них, а затем предложение отправляется другим абонентам оператора, которые имеют аналогичные профили.
Экс-директор «Киевстар» в начале года сказал Liga.Tech, что матч 70-80 уже считается хорошим результатом. Поэтому, если вы получили что-то ненужное, возможно, вы присоединились к этим 20-30%.
Да, здесь речь не идет о спаме служб такси и SMS-сообщениях от мошенников, сообщающих вам, что вы выиграли квартиру или ваша кредитная карта была заблокирована. Это другая история.
Другим инструментом для мобильных операторов являются так называемые «тепловые карты». В конце концов, данные о движении конкретных SIM-карт также хранятся в базе данных. Если выборка достаточно велика, оператор может показать свои маршруты, не раскрывая персональные данные абонентов.
Банки и розничные продавцы заинтересованы в том, чтобы узнать, где живет их потенциальный клиент и как его потенциальный клиент перемещается, чтобы правильно найти свои филиалы, магазины и банкоматы. Это помогает городским властям и коммунальным предприятиям оптимизировать существующие маршруты городского транспорта, запускать новые и понимать, где строить объекты инфраструктуры. Или даже загружать аэропорты.
Вы можете подумать: «СМС, наброски - что в этом такого?
«Эти проекты наиболее востребованы среди бизнес-клиентов и ежегодно приносят« Киевстар »сумму, составляющую 1% годового дохода компании, - говорит Илья Полшаков. А это на данный момент 190 млн грн.
И одно ведет к другому.
Vodafone планирует завоевать новые рынки: страхование, букмекерские услуги, медийная реклама. И «Киевстар» переходит от отдельных проектов для крупных клиентов к интегрированным решениям, в которых интернет-датчики, инструменты анализа данных и автоматизация процессов будут объединены в одну систему. И, конечно, компания заинтересована в услуге больших данных, которую малый и средний бизнес может использовать «в режиме самообслуживания».
И здесь, и в «Киевстаре» люди верят, что будущее за открытыми API - когда компании начнут обмениваться анонимной информацией, консолидировать ее и, таким образом, снизить операционные риски и повысить эффективность бизнеса.
Банк: привлечь, отфильтровать, угадать
Банки стали пытаться прогнозировать отток или дефолт клиента, как это давно делают Ощадбанк, Альфа-Банк, Укрсиббанк и Монобанк. Кредитная история и история платежей, анкета и внешние данные (такие как вышеупомянутые баллы оператора) позволяют понять, будет ли человек погашать заем, на который он или она пришли. Или заметить, что клиент собирается пойти к конкуренту.
Маркетинговые задачи также популярны. Например, сообщить вам о новых условиях депозита или бонусах за активное переключение на безналичный расчет.
Как банки продвигают безналичные платежи?
Банки даже готовы побуждать клиентов более активно переходить на платежи с карт и устройств. Но посылать мотивацию всему клиентскому портфелю - это расходы, потому что напоминать нужно не раз и не дважды. Вот почему они создают прогнозные модели, чтобы определить, кто лучше отреагирует на кампанию? В результате клиенты делятся на сегменты. И банк выбирает следующий. Или отправить предложение только тем, кто с большей вероятностью присоединится к кампании. Или в другой сегмент, где вероятность меньше, но их еще нужно научить пользоваться картой.
В целом, банки, как и другие отрасли, очень заинтересованы в персонализированном подходе.
ПриватБанк, например, говорит, что первая задача при работе с большими данными - установить отношения с клиентами для сбора отзывов и настроить аналитику для создания новых продуктов. В этом случае большими данными является информация о платежной активности клиента.
Олег Серга
пресс-секретарь ПриватБанка
«Вначале мы анализировали поведение клиентов при оплате, чтобы определить несколько основных групп экономического поведения и нацелить информацию и предложения».
Банк начал этот проект три года назад. И в этом году они запустили проект «Признание». Умная камера в филиале распознает клиента, и ему или ей предлагается услуга, к которой он или она, скорее всего, пришли.
Конечная цель состоит в том, чтобы точно знать, какие услуги и в каком канале нужны клиенту в данный момент, и предложить услугу, которая, вероятно, понадобится клиенту в следующий момент.
Супермаркет: продай, покажи, удиви
Конечно, это крупный, хорошо оцифрованный ритейлер, который пытается работать с большими данными. Анализ собственных и внешних данных помогает выгодно определить местонахождение магазина, предсказать ассортимент, угадать потребность конкретного покупателя.
Например, Сильпо имеет программу под названием «Власный Рахунок» с 2006 года. Постоянные клиенты заполняют анкеты, и это дает понимание его профиля. По данным компании, в настоящее время Власний Рахунок насчитывает 13 миллионов участников. Этот массив больших данных является полезным инструментом исследования и маркетинга.
«Персонализированные предложения программы Vlasniy Rakhunok, которые получает каждый постоянный гость Silpo, также основаны на больших данных и истории покупок для привлечения, развития и удержания гостей в цепочке в зависимости от маркетинговых задач», - объясняет Андрей Кузьменко, руководитель CRM Fozzy Group.
Осенью 2018 года программа была дополнена приложением, которое уже имеет около 800 тысяч пользователей. Как говорят в «Сильпо», участники программы «Власний Рахунок» в 2010–2018 годах сэкономили более 3,962 млрд. Грн., Что положительно сказалось на продажах всей сети.
И компания учитывает данные о деловой активности и структуру аудитории для прогнозов продаж в новых супермаркетах. Сильпо разработал несколько различных товарных матриц в зависимости от целевой аудитории и местоположения. В каждом супермаркете их можно откорректировать на основе больших данных, включая агрегированную статистику Vlasniy Rakhunok. Для этого анализируются проверки, гостевые профили, результаты каждого конкретного магазина и многие другие параметры.
Но не все крупные компании уже перешли на эти схемы. Например, ATB, где наблюдается большой поток людей, сообщил, что большие данные не используются в бизнес-процессах.
Конечно, всегда существует риск использования данных по оруэлловскому сценарию и получения контроля над населением страны. Но мы хотим верить, что анализ огромного количества информации сделает общество более свободным, безопасным и здоровым.
Производство: предостеречь и предусмотреть
Украинские промышленные компании уже пытаются внедрять разработки больших данных в свои процессы. Пока что они не говорят об этом широко: кто-то продает пилота, кто-то просто сохраняет ноу-хау.
Что вообще можно сделать?
Например, при изготовлении металлических изделий существует проблема с браком. Это может быть обнаружено только в конце цикла. Перед этим продукт проходит большое количество этапов нагрева и охлаждения. И это все потребление электроэнергии. Если вы собираете данные о продукте на каждом этапе, то, в конце концов, вы можете построить модель для прогнозирования отклонения на более ранней стадии исторических данных. Конечно, с некоторым предположением вы можете сэкономить деньги.
Случай из другого района - это курятник. Как недавно рассказали представители Intelsoft Liga.Tech, в птичнике есть различные датчики: сколько воды, влажности, освещения, температуры и т. Д. Получили птицы. В общей сложности все они оказывают влияние на размер домашней птицы. Зная ожидаемый результат, производитель кур может лучше планировать экспорт.
И незаметно для каждого из нас, но критическим примером является энергия. Каждый поставщик электроэнергии озадачен тем, как производить столько энергии, сколько нужно потребителю. От этого зависит как сокращение чрезмерных затрат на производство электроэнергии, так и отсутствие пикетов из-за перегрузок и площадей, оставшихся без электричества по вечерам.
ИТ-специалисты помогают энергетикам прогнозировать потребление. Хорошей новостью является то, что, как сообщил Liga.Tech вице-президент Luxoft по инженерным вопросам, точность прогноза достигает 95%. И борьба идет на сотые доли процента. Это облегчает управление генерацией и позволяет избежать пиковых нагрузок. При этом он также сказал, что в Украине это все еще в зачаточном состоянии.
Государство: проверить, дать, согласовать
Государство еще не остановилось на своих планах. Может быть, он не хочет пугать нас стилем Оруэлла, хотя он уже применяет некоторые элементы.
Например, в этом году Министерство социальной политики запустило пилотный проект по выявлению мошенников среди людей, которые обращаются за социальной помощью. Стандартный скоринг, как и в банках, дошел до министерских ведомств. По оценкам, Украина может сэкономить миллиарды таким образом.
Другое направление - оптимизация государственных услуг. Министерство уже пытается выбрать приоритетные услуги для оцифровки, основываясь на отзывах граждан. Возможно, это будет положено в ход: проанализировать количество и типы запросов на государственные услуги, адаптировать услуги.
Олег Серга
пресс-секретарь ПриватБанка
«Я думаю, что с начала следующего года будет очень интересный этап, когда наши технологии будут интегрированы в проект« Состояние в смартфоне »».
Третье направление - здравоохранение. Реформа и переход на онлайн могут вывести прогностическую медицину на новый уровень. Но пока мы только привыкаем к новейшим системам и учимся на своих ошибках и данных пациентов.
Юрий Лазебников
управляющий партнер холдинга TECHIIA
«Мне бы очень хотелось, чтобы Big Data нашли свое применение в медицине и других общественных сферах в Украине. Огромное количество носимой электроники собирает каждый второй гигабайт информации о физической активности, здоровье и сне. Во многих странах это уже используется. для предотвращения болезней и увеличения продолжительности жизни ".
Политика: прийти, настроить, победить
Было бы несправедливо не упомянуть политический случай в этой статье. Тем более, что у нас было что-то вроде «нашего Трампа».
Еще весной случай был описан Михаилом Федоровым, предвыборной цифровой стратегией Владимира Зеленского, действующим министром цифровой трансформации. По его словам, команда кандидата собрала несколько сотен тысяч анкет от добровольцев, которые поделились своими жалобами и предложениями в свободной форме. Затем они обработали все ключевые слова и разделили людей на 32 сегмента: социальные роли, социальный статус и потребности.
«Исходя из этих сегментов, мы поняли, кто нас больше всего интересует, кто хочет больше всего с нами взаимодействовать. Мы выделили семь ключевых сегментов: ИТ-специалисты, матери, люди, которые поддерживают определенные пункты программы и т. Д. И мы работали с этими сегментами ", сказал Михаил Федоров.
Действительно: если сравнивать количество предвыборных рекламных объявлений в Facebook для Петра Порошенко и Владимира Зеленского, то оно различается в десятки раз. Порошенко поразил широкую аудиторию одним сообщением. Зеленский - масса массажей для маленьких зрителей.
Вместо заключительной части
Есть ли опасность, что наши данные будут использованы в ущерб нам? Было много разговоров об этом после выборов Трампа и Брексита. Сами бывшие сотрудники этих компаний говорят о том, как Google, YouTube, Facebook дегуманизируют нас посредством постоянного анализа нашей деятельности. Данные стали опасным новым золотом - недаром Европа твердо взялась за ВВП.
Здесь справедливо напомнить, что в эпоху экономики необходимо развивать критическое мышление. Тогда данные станут полезной частью повседневной жизни, а пользователи сервисов минимизируют свои собственные манипуляции с ними. Хотя, конечно, это вечная битва между добром и злом. И граница этого проходит в каждом человеке.
Юрий Лазебников
управляющий партнер холдинга TECHIIA
«Конечно, всегда существует риск использования данных по оруэлловскому сценарию и получения контроля над населением страны. Но мы хотим верить, что анализ огромного количества информации сделает общество более свободным, безопасным и здоровым». Автопилоты, профилактическая медицина, комфортные покупки, улучшение состояния окружающей среды и гибкое взаимодействие городской инфраструктуры с его жителями - уже рядом и очень плавно и незаметно входят в нашу жизнь. Без ажиотажа, революций и прорывов. Просто будет очень неудобно жить без всего этого завтра. И за все это мы будем благодарить успешные стартапы и крутые корпорации ».
Оригинал статьи по ссылке .
