Направления оптимизации бизнеса основанные на использовании больших данных

Big Data (большие данные) стали наступившим будущем. Одни определяют их как революцию, другие отводят им роль оптимизаторов бизнес-процессов. Но все сходятся в одном: большие данные важны. Встает главный вопрос — как можно эффективно применять большие данные в бизнесе?

Что говорит статистика?

Последние 10 лет происходит непрерывный рост числа компаний, использующих большие данные.

В 2015 г. доля компаний, использующих большие данные, составляла 17% в мире.

Сегодня доля таких компаний — 50%.

И это неудивительно — сбор и анализ больших данных дает важные преимущества:

Что происходит на российском рынке?

Российский рынок больших данных уступает своим масштабом западному, но 55,4% отечественных компаний уже начали инвестировать в аналитику Big Data. На практике мы видим не один пример успешной попытки интегрировать большие данные в бизнес. Например, Сбербанк с его ботами-операторами, заменяющими консультантов. Или гипермаркет Hoff, который на основе больших данных формирует персональные предложения клиентам.

С малым бизнесом и большими данными сложнее. Процесс интеграции больших данных в бизнес — удовольствие дорогое и сложное. Встает вопрос, способен ли малый бизнес на такие подвиги? Что говорят специалисты?

Что показывает практика?

Кейс Hoff

Сервис: Google BigQuery + Alytics

Бизнес-задачи:

Способ: все данные были собраны в одном месте, на их основе по собственным параметрам были построены необходимые отчеты, затем полученные данные были переданы в Alytics для управления ставками.

Результат: показатель ROI вырос в нескольких категориях товаров до 17%. Показатели Email-рассылки продемонстрировали, что на 1 руб. онлайн-выручки приходится 4 руб. в оффлайне. Роль мультиканальных пользователей увеличилась, а 1/3 прибыли московских гипермаркетов приходятся на посетителей сайта Hoff.ru.

Кейс CarPrice

Сервис: Mail.ru Cloud Solutions

Бизнес-задачи:

Способы: все данные были собраны в одном месте, а оперативность службы поддержки позволяла быстро решить все технические вопросы и проблемы сервиса.

Результат: расходы на сервис сократились примерно в 4 раза, при этом возросло его качество. Пользователи благодаря быстрой загрузке контента сократили время на принятие решений.

Кейс Zarina

Бизнес-задачи:

Способы: на основе анализа больших данных были персонализированы рекомендации в категориях товаров, корзине, были созданы карточки товаров и персонализированы рекомендации в них.

Результат: выручка увеличилась более чем на 28%.

Кейс S7 Airlines

Бизнес-задачи:

Способы: на основе больших данных были созданы персонализированные креативы. Накапливание информации позволило системе увеличить точность прогнозов.

Результат: увеличились в 2 раза конверсии (за тот же бюджет), при этом стоимость конверсии снизилась на 40 %.

Кейс AllTime.ru

Бизнес-задачи:

Способы: на основе больших данных были созданы персонализированные карточки товаров, подобрано оптимальное расположение блоков, персонализированы страница поиска, рекомендации сопутствующих товаров.

Результат: каждое действие дало рост конверсии и прирост среднего чека:

Взгляд специалистов

Цифры из практики

Что в итоге?

Анализ Big Data разрешает следующие бизнес-задачи:

Использование больших данных в большей степени влияет на маркетинг, сервис, устранение «слабых» звеньев в производстве, выявление множества зависимостей при продаже продукта или услуги.

Практика показывает, что большие данные можно использовать эффективно (и даже очень), но их интеграция — это не волшебная таблетка, превращающая любой проект в прибыльное дело. Нужно понять, как большие данные помогут конкретно вам.

Big data в медицине: прогноз заболеваний и сбор данных о пациентах

В медицинской сфере большие данные в перспективе можно использовать для диагностики и лечения, большинство интересных проектов пока находятся на стадии разработки или тестирования, но есть и уже реализованные.

Прогнозирование заболеваний. Если собрать достаточно данных о пациентах, можно делать предположения о том, чем они больны сейчас или могут заболеть в ближайшее время.

Так, в детской больнице Торонто внедрили проект Artemis. Больничная система собирает и анализирует данные по новорожденным — она каждую секунду анализирует 1260 показателей. На основе этих данных система может предсказать нестабильное состояние ребенка, чтобы ему смогли вовремя помочь.

Ведение базы пациентов. У многих пациентов длинная история болезни, которая часто хранится в разных больницах и у разных врачей. Чтобы увидеть полную картину, нужно собрать данные в единую базу. С помощью технологий big data можно не только организовать такую базу, но и настроить в ней удобный поиск и аналитику.

Например, в Массачусетской больнице общего профиля создали систему QPID, которая собирает электронные данные о пациентах и быстро предоставляет нужную информацию: и пациентам, и врачам. К примеру, пациент может посмотреть информацию по своей болезни: анализы, диагнозы, снимки, назначенные лекарства. А врач может увидеть информацию о хронических заболеваниях и прошлом лечении.

Big data в образовании: помощь в выборе курсов и предотвращение отчислений

Помощь в выборе курсов. В образовании проекты big data помогают студентам с профориентацией: анализируют их способности и помогают выбрать направление обучения и будущую профессию.

Так, в американском университете Остин Пии разработали рекомендательную систему подбора курсов. Она собирает данные об успеваемости, находит «похожих» студентов, и на основе этого подбирает курсы для конкретного человека. Предсказания устраивают студентов в 90% случаев.

Предотвращение отчислений. В США из университетов отчисляются 400 тысяч студентов в год. Чтобы решить эту проблему, в Университете Содружества Виргинии проанализировали данные об отчислениях и построили алгоритм, который выявляет студентов в группе риска.

Система оповещает, когда студент становится проблемным. И тогда с ним работают индивидуально, например, предлагают перевод на другой курс или помощь репетитора. По итогам семестра число студентов, закончивших курс, увеличилось на 16%.

Big data в маркетинге: повышение прибыли и привлечение клиентов

Создание коммерчески успешных продуктов. Большие данные о поведении клиентов помогут предсказывать спрос и позволяют до вывода продукта на рынок понять, будет ли он успешным.

Например, такие технологии использует Netflix. Этой платформой для просмотра фильмов и сериалов пользуются более 150 миллионов человек. В компании анализируют поведение клиентов: какие сериалы они смотрят, какие бросают, какие моменты перематывают. Это помогает лучше понимать психологию зрителей и грамотно рекомендовать им новые сериалы.

Еще Netflix анализирует поведение зрителей, чтобы снимать успешные сериалы и эффективно их продвигать. Например, перед созданием «Карточного домика» в компании проанализировали 30 миллионов сценариев, 4 миллиона зрительских оценок и 3 миллиона поисковых запросов.

Таргетированная реклама и снижение стоимости привлечения клиента. Big data помогает лучше настраивать целевые аудитории и показывать таргетированную рекламу более точечно.

Например, ритейлер Ozon использует большие данные для таргетированной рекламы и рекомендации товаров. Для этого на сайте и в мобильном приложении собирают логи пользователей — фиксируют всё, что они просмотрели, пролистали, на что кликнули. На основе данных составляют прогноз: планирует ли пользователь покупку, товар какой категории, скорее всего, его заинтересует. Релевантные товары показывают в таргетированной рекламе.

Также в Ozon тестировали полки рекомендаций для различных товаров. Пользователей разделили на две группы: для первой рекомендации вручную составили эксперты, для второй — собрали автоматически на основе данных логов. В итоге во второй группе продажи оказались в 10 раз ваше.

В компании Nestle Purina начали использовать платформу для сбора данных о клиентах. Они проанализировали поведение покупателей и выделили в отдельную категорию людей, которые недавно искали в интернете щенков. С помощью таргетированной рекламы в Facebook этим клиентам показывали товары для щенков. Благодаря такому подходу конверсия выросла на 300%, а стоимость привлечения клиента снизилась на 90%.

Работа с непрерывно растущими потоками данных самого разного вида требует постоянного увеличения ресурсов и усложнения технологических решений. В 2008–2011 гг. появилась новая концепция в сфере взаимодействия с большими массивами данных под названием Big Data. В чем уникальность этого подхода и почему с каждым годом растет объем инвестиций в этот рынок?

Как это работает

Big Data – это набор методов обработки и анализа больших объемов разнообразной информации, которую сложно обработать с помощью обычных технологий. В результате работы с таким материалом появляется полезная информация, скрытые закономерности, незаметные для человеческого мозга. Далее этот ценный продукт может использоваться, например, для корректировки бизнес-процессов компании.

Как понять, какие данные могут считаться большими, чтобы использовать эту технологию? Основными характеристиками такой информации являются так называемые три V:

1. Объем/volume – большой физический объем массива информации. Для хранения данных используют огромные кластеры объединенных компьютеров.
2. Скорость/velocity. Массивы данных не стоят на месте, а быстро увеличиваются, и так же увеличивается скорость их обработки.
3. Разнообразие информации/variety. Одновременная работа в режиме реального времени с самыми разными типами массивов информации, как имеющих структуру так и без нее.

В качестве исходного материала выступают электронные письма, данные из профилей пользователей, любые изображения, текст, аудио- и видеофайлы, непрерывные показания датчиков, финансовые показатели и многое другое.

В работе с большими массивами информации активно используется новый подход – машинное обучение. Человек создает программу, по которой компьютер далее самостоятельно учится, анализирует данные и принимает решение, получает результат. Это направление из области искусственного интеллекта.

Один из примеров работы Big Data – вы отвечаете на вопросы анкеты и получаете свою родословную. Еще пример – с помощью анализа разрозненных потоков документооборота можно найти неплательщиков налогов. Или интересный вариант сотрудничества Microsoft и Siemens по разработке рентгенаппарата, связанного с облачной системой на основе искусственного интеллекта. Эта система анализирует и хранит огромные базы снимков, при этом постоянно самообучается. Снимок получает врач и система, после этого сравниваются диагнозы и, в случае расхождения, врачу предлагают еще раз проверить заключение. 

Часто Big Data используется компаниями в качестве нового инструмента для повышения эффективности бизнес-процессов. Есть способ управления компанией исключительно на основе анализа данных (Data Driven Management). Знаменитые Гугл, Яндекс и Фейсбук давно принимают решения на основе концепции Big Data.

Рассмотрим, какие условия необходимы при работе с большими массивами:

• возможность горизонтального расширения – если информации становится больше, то и место ее хранения должно увеличиваться в этом же масштабе;
• устойчивость системы в случае выхода из строя некоторых машин, которых может быть огромное количество (только у Yahoo в системе Hadoop около 42 000 компьютеров);
• локальность информации – обработка данных должна выполняться на той же машине, где они хранятся, передача больших объемов данных слишком затратна.

Сейчас, благодаря облачным сервисам, это направление доступно практически любым, даже небольшим, компаниям.

Где находятся генераторы Больших Данных? Основные источники Big Data:

1. Интернет (информация с сайтов, блогов, соцсетей, поисковиков). База Гугла и Яндекса, например, содержит до 1500 разных видов данных о каждом активном пользователе и его предпочтениях.
2. Корпоративная информация (документы, транзакции, БД).
3. Непрерывные показания датчиков, метеоданные, астрономические наблюдения и т. д. 

Группы игроков на рынке Больших Данных 

Рассмотрим, кто входит в структуру рынка и какой выбрать вариант для внедрения технологии в вашу компанию. На рынке Big Data можно выделить несколько направлений:

• компании, в задачи которых входит хранение и начальная обработка данных (Oracle, SAP, Teradata, Microsoft, ЕМС, IBM и др.);
• разработчики ПО – обработка и поиск информации (АлгоМост, CleverData, IBS, Google BigQuery, Amazon, и др.);
• компании, которые создают системы на стороне заказчика (Крок, Форс и др.);
• фирмы-разработчики готовых приложений или платформ (часто в облаке), для широкой аудитории. Оптимальный вариант для любого бизнеса. (Auditorius, Cross, 1С-Битрикс BigData, Usalytics, Opiner и др.). 

Какие задачи решают Большие Данные 

Основные глобальные задачи, с которыми успешно справляется технология:

• сбор и хранение больших потоков непрерывно изменяющихся данных;
• управление массивами растущей информации;
• структурирование разных типов данных, поиск неявных зависимостей;
• анализ полученных данных и точное прогнозирование бизнес-процессов.

Если рассматривать более узкие задачи, которые помогает решать Big Data, то можно выделить изучение поведения клиентов и таргетинг, анализ и планирование финансовых операций, продажи и планирование запасов, анализ жизненного цикла продукта и др. Все большая роль отводится этой технологии в сфере управления человеческими ресурсами. 

Преимущества технологии 

Рассмотрим основные преимущества, которые вы можете получить от Big Data в сфере продаж и маркетинга:

1. Принятие обоснованных решений на основе анализа больших объемов информации и снижение затрат.
2. Увеличение скорости разработки и внедрения проектов, совершенствование продукта.
3. Подробный анализ деятельности ваших конкурентов.
4. Упрощение и ускорение процесса формирования целевой аудитории. На основе огромных массивов данных из интернет-ресурсов можно составить точный портрет целевой аудитории, узнать все ее предпочтения и привлечь новых клиентов.
5. Увеличение up-sale и cross-sale в результате информации о предпочтениях покупателей.
6. Позволяет находить удивительные закономерности, например, зависимость спроса на товар от погоды или мероприятий, и использовать их для увеличения продаж.
7. Можно сделать подробный анализ, который даст ответы на вопросы «Почему это происходит?», «Что ожидается в будущем?» и «Как получить нужный результат?». Например, поиск причины популярности или непопулярности товаров.

Все эти возможности позволяют улучшить обслуживание покупателей и повысить их лояльность. Когда вы не угадываете, а точно знаете «боль» потребителей, вы можете предложить им те продукты, которые полностью удовлетворят потребности. В выигрыше остаются все.

Большие Данные – это полная информация о вашем бизнесе, подробные знания о конкурентах и клиентах. 

Где используют методы Больших Данных

Наибольшее развитие концепции Big Data наблюдается в тех отраслях, где создаются и обрабатываются огромные потоки информации в режиме онлайн. Их используют в торговле, инжиниринге, здравоохранении, различных госучреждениях, телекоммуникациях, финансовой сфере и логистике. Основные три направления, в которых компании применяют Big Data, – это клиентский сервис (предпочтения клиентов), оценка эффективности бизнес-процессов и управление рисками. Рассмотрим популярные сферы применения технологии Больших Данных. 

Сфера финансов

Big Data ускоряют принятие решения о выдаче кредита, на основе анализа операций клиента подбирают оптимальный пакет банковских услуг, анализируют его кредитоспособность. Компании, которые используют технологию, могут выполнить мгновенную обработку персональных данных клиента. 

Торговля

За время деятельности магазина/компании накапливается много данных о покупателях, поставщиках, товарах и управлении запасами. На основе обработки этой информации можно управлять движением товара, прогнозировать продажи и уменьшать затраты. 

Отрасль телекоммуникаций

Эта отрасль владеет одним из самых объемных массивов данных, проводит подробный анализ информации о клиентах. Компании выполняют сегментацию аудитории, анализ трафика, борьбу с мошенничеством. Главная задача – повышение лояльности текущих и привлечение новых клиентов. 

Проблемы Big Data

Несмотря на быстрый рост популярности технологии, у нее есть свои сложности:

• высокая стоимость технологии, не приносят быстрый доход, а рассчитаны на перспективу;
• гарантия безопасности хранения и обработки информации – атаки хакеров и вирусные внедрения иногда бывают успешны;
• нехватка квалифицированного персонала – прежде чем обрабатывать данные, нужно понимать, что именно обрабатывать и уметь применить результат;
• несоответствие накопленного объема требованиям Big Data (мало данных) и некачественные данные;
• сложное внедрение новых инструментов в старую IT-систему бизнеса;
• проблемы этического характера, когда сбор данных о клиенте или пользователе граничит с нарушением прав личности. В 2019 году создан кодекс саморегулирования в области Больших Данных, который пытается решить эту проблему. 

Примеры использования технологии 

Тем не менее, рынок Больших Данных развивается ускоренными темпами. Растет число приложений, которые используют сложную прогнозную аналитику. Все больше появляется решений с алгоритмами машинного обучения, развивается обработка и аналитика медиа-данных (неструктурированная информация). Рассмотрим примеры удачных решений с применением Больших Данных:

1. В банковской сфере Big Data успешно противодействует мошенничеству с пластиковыми картами. В компании HSBC эффективность отдела безопасности выросла в три раза. А система Watson (разработка IBM) обрабатывает данные потоков денежных транзакций с целью выявления подозрительных операций.
2. В области ритейла концепция Big Data помогает с анализом поведения покупателей. Компания офисной канцелярии OfficeMax благодаря технологии увеличила продажи в В2В на 13 %.
3. Procter & Gamble использует технологию при разработке новых продуктов и маркетинговых кампаний. На основе Big Data анализируются текущие бизнес-процессы и составляются прогнозы развития компании.
4. В Германии Big Data помогает проанализировать, имеет ли право безработный на получение пособия. Внедрение технологии помогло значительно сократить расходы – около 20 % денег выдавалось незаслуженно.
5. В России сеть магазинов «Лента» одна из первых внедрила технологию и стала для анализа покупателей собирать данные из чеков. Эта информация позволяет моделировать поведение клиентов, улучшает качество принимаемых решений в области продаж и обслуживания. По данным Hadoop, внедрение Big Data в торговле увеличивает прибыль на 7–10 %.
6. В правоохранительных органах успешное соединение системы распознавания лиц с видеокамерами помогает находить опасных преступников, а системы видеонаблюдения с элементами искусственного интеллекта выявляют в магазинах покупателей с нестандартным поведением. 

Если вы хотите повысить эффективность компании, оптимизировать затраты, улучшить точность бизнес-прогнозов и свести к минимуму финансовые риски – обратите внимание на новую технологию, за которой будущее.

РБК Краснодар выяснил, зачем бизнесу и госсектору big data и какие продукты сейчас наиболее актуальны в этом секторе информационных технологий.

Зачем нужна big data

Еще недавно возможность аналитики больших данных была доступна только крупному бизнесу, однако распространение цифровых технологий делает их все боле доступными. Услуги на основе аналитики big data помогают принимать эффективные решения, привлекать новых клиентов и делать релевантные предложения целевой аудитории в наиболее подходящее время — именно поэтому эффективность их применения в настоящее время сложно переоценить.

Анализ больших данных актуален для любых компаний, где в фокусе ориентация на потребности клиента и одновременно стоит задача роста эффективности бизнеса: привлечение новых клиентов, трансформация предложения с учетом быстро меняющегося спроса, оптимизация затрат, повышение скорости принятия решений. Больше всего аналитика big data востребована в тех сферах, где есть запрос на соответствующие изменения и существует возможность такие данные собирать и обрабатывать. В первую очередь, это финансовые учреждения, сфера торговли и промышленный сектор, которые получают возможность снижать затраты за счет аналитики данных о процессе производства.

Как бизнес и государство могут использовать большие данные?

• Для поиска инсайтов — скрытых возможностей — на основе закономерностей в данных (например, узнать, как средний чек зависит от времени суток);

• для предиктивной аналитики (например, предсказать рост нагрузки на инфраструктуру для своевременного планирования ресурсов);

• для поддержки принятия решений на основе геоданных (например, показать, что в определенном районе не хватает поликлиник или парковок).

Что о нас знает телеком

Для телеком-компаний продукты на основе аналитики больших данных — ключевое направление деятельности. Например, оператор Tele2 успешно разрабатывает продукты на базе big data для оказания сервиса как бизнес-клиентам, так и государственному сектору.

«Понимание клиентской базы — наше ключевое конкурентное преимущество. Успех оператора тем больше, чем точнее он может отнести абонента к определенному сегменту, определить текущий контекст событий вокруг клиента, предложить ему релевантный продукт в нужный момент», — рассказал коммерческий директор макрорегиона «Юг» Tele2 Максим Митькин.

Оператор связи может анализировать клиентскую базу на основе множества критериев: пол, возраст, модель смартфона, место проживания и работы, маршруты передвижения и виды транспорта. Все эти данные анализируются в агрегированном виде исключительно с помощью машинной обработки.

«Мы не работаем с персональными данными и никому их не передаем. Мы заинтересованы исключительно в построении профиля потребления. Нам не важно, как зовут человека, имеет значение только его потребительское поведение, чтобы предлагать абонентам максимально релевантные с точки зрения их потребностей сервисы», — пояснил Максим Митькин.

Для построения моделей Tele2 использует не только собственные данные, но и данные партнеров и контрагентов компании, а также информацию из открытых источников, в т.ч. базы данных, карты и др. При этом существует возможность накладывать одни данные на другие, расширяя поле для анализа.

Персонализация — основной долгосрочный тренд

Запросы на аналитику больших данных со стороны бизнеса, как правило, индивидуальны. На рынке дата-аналитики есть как массовые продукты, так и индивидуальные, стоимость которых будет варьироваться в зависимости от техзадания и сложности работы.

В финансовом сегменте аналитика больших данных используется для персонализации сервисов, прогноза и профилактики оттока клиентов, обнаружения мошенничества и т.д. Например, по данным консалтингового агентства Frost & Sullivan, MoneyGram International, международная компания, предоставляющая платежные услуги, внедрила решение для контроля финансов и предотвращения мошеннических действий, связанных с переводом средств.

Действительно, продуктами на основе аналитики больших данных активно пользуются коммерческие банки, подтверждает представитель Tele2. Оператор предоставляет им три сервиса с использованием big data: скоринг, сервис верификации и мониторинг клиентских событий.

«Технология скоринга позволяет оценивать благонадежность клиентов на основе имеющихся у оператора данных. Сервис верификации ускоряет проверку личной информации, указанной в анкетах клиентов банка, до нескольких секунд. Это выгодно и банку, и клиенту. Услуга мониторинга клиентских событий помогает противодействовать мошенничеству и сохранять надежность мобильного банкинга. По запросу банка оператор предоставляет общие сведения об активностях абонента, которые не являются информацией ограниченного доступа, например, о смене SIM-карты, расторжении договора, уходе к другому оператору со своим номером. Анализ данных происходит с согласия клиента, которое он дает при оформлении заявки на кредитный продукт в банке», — объясняет Максим Митькин.

Что власть узнает из больших данных

Активно развиваются услуги на основе big data и для государственных организаций. Зачастую в регионах заказчиками анализа на основе больших данных становятся местные администрации. Среди наиболее востребованных сервисов — анализ пассажиропотока, который помогает выявить места с наиболее плотным трафиком, оценить загрузку дорог правильно спроектировать маршруты движения общественного транспорта.

Такой проект, в частности, был реализован по заказу департамента транспорта Челябинской области. Задачей исследования было понять, население каких районов области наиболее активно ездит в центр региона в часы пик, чтобы спланировать направления строительства ж/д путей.

В Краснодарском крае по итогам анализа загруженности базовых станций Tele2 была составлена карта концентрации туристов в регионе. При этом для исследования оператор выбирал только гостей региона.

«Мы видим, что туристов на побережье много, но еще есть места, где наличие большого количества гостей не было ожидаемо. Эти зоны отмечены на карте цветом: здесь горы и нет федеральных трасс, но людей много. Такой анализ можно использовать для создания туристической инфраструктуры: строительства отелей, кафе, создания туристических маршрутов», — рассказал Максим Митькин.

В 2019 году Tele2 проанализировала для Комитета по туризму Ленинградской области портрет и географию посетителей фестиваля «Чудо света», который прошел в ноябре на Дворцовой площади в Санкт-Петербурге. В 2020 году после стабилизации эпидемиологической обстановки и восстановления сферы туризма компания собирается продолжить анализировать структуру внешнего и внутреннего туристического потока Северной столицы.

Весной 2020 года оператор проанализировал сервисы доставки еды и продуктов в Москве, оценив изменение спроса. Выяснилось, что 6-12 апреля по сравнению с 2-8 марта (период брался за точку отсчета) количество пользователей этих сервисов выросло на 41%, а число заказов — на 25%.

Сапожник с сапогами

Операторы сотовой связи не только производят, но и активно используют наработки в области аналитики больших данных. Так, все новые базовые станции Tele2 строит с учетом расчетов специалистов по big data, в т.ч. и в Краснодарском крае. Отдельным объектом исследований стали крупные транспортные узлы Юга России, которыми пользуется большое количество клиентов Tele2. Проведенный анализ в итоге лег в основу дальнейшего развития сети.

Одной из ключевых внутренних инициатив для оператора в 2019 году стал проект Smart Capacity — умное управление емкостью сети оператора. Этот сервис позволяет на основе предиктивной аналитики находить потенциальные «узкие места» и расширять емкость сети там, где это необходимо. Такой подход позволяет увеличить эффективность инвестиций в инфраструктуру и предоставить клиентам качественный сервис и высокую скорость мобильного интернета, отмечают в Tele2.

Осенью 2019 года Tele2 применял инструменты big data для поиска новых сотрудников в свои контактные центры в Ростове-на-Дону и в Саранске. Для этого оператор воспользовался собственной услугой «SMS-таргет».

«Южный контактный центр в Ростове-на-Дону — самый большой в Tele2. Здесь работают более 700 сотрудников, которые консультируют и отвечают на вопросы абонентов Tele2 из нескольких регионов России. Сотрудники КЦ часто уходят на повышение внутри компании или переезжают в другие регионы. Поэтому постоянно нужно искать новых операторов. Мы разослали информацию о вакансиях с помощью услуги «SMS-таргет», получив большое количество откликов от потенциальных сотрудников — в итоге проект был признан успешным. Мы планируем продолжать его развитие в других контактных центрах в России», — пояснил Максим Митькин.

Большие данные — большая прибыль

По оценкам Ассоциации больших данных (объединяет «Яндекс», Mail.Ru Group, Сбербанк, Газпромбанк, «МегаФон», «Ростелеком» и др.), объем рынка big data в России составляет от 10 млрд до 30 млрд рублей. К 2024 году, согласно прогнозам, он достигнет 300 млрд рублей.

Внедрение инструментов и развитие сервисов big data положительно сказывается и на финансовом состоянии оператора. За 2019 год эффект от реализации внешних и внутренних проектов по аналитике больших данных вырос в 2 раза и составил более 1 млрд. рублей. При этом доход от внешней монетизации увеличился на 70%.

Драйверами роста выручки стали направление геоаналитики и продукты для финансовых организаций. В частности, сервисы геоаналитики стали лидером по темпам роста выручки в 2019 году: доходы оператора от внешних проектов выросли более чем в 10 раз по сравнению с 2018 годом. На втором месте по динамике роста выручки — решения для финансовых организаций и кредитных учреждений: на 86% увеличился доход от услуг рискового скоринга, верификации и других сервисов.

«Увеличить отдачу от работы подразделения big data позволила в т.ч. реорганизация функции. В 2019 году Tele2 запустила центр компетенций по анализу больших данных, сфокусировалась на автоматизации процессов и масштабировании, создала продуктовые agile-команды, которые отвечают за разные направления бизнеса: инсайты, ретейл, эффективность процессов, геоаналитику, финансовые сервисы, сегментацию» — прокомментировал коммерческий директор макрорегиона «Юг» Tele2 Максим Митькин.

В 2020 году Tele2 инвестирует в развитие аналитики больших данных и искусственного интеллекта до 100 млн рублей — вдвое больше, чем годом ранее. Компания сфокусируется на нескольких ключевых направлениях, которые принесут максимальный эффект по возврату инвестиций. Среди них повышение повышение готовности инфраструктуры к обработке данных в режиме реального времени (real-time), дальнейшее развитие инструментов и интерфейсов гео-аналитики, внедрение технологий компьютерного зрения и обработки естественных языков (NLP), автоматизация аналитинеских моделей.

«Для анализа больших данных важно наладить сбор данных о значимых для бизнеса процессах, построить хранилище массива информации, инвестировать в программное обеспечение, а также иметь экспертизу в анализе и обработке данных. Ведь сами по себе сырые данные ничего не значат. Важно — уметь извлекать из них знания. Нужно ли бизнесу вкладывать деньги в непрофильную для него область? Зачастую проще прийти к профессиональному подрядчику, у которого уже есть база данных, программное обеспечение и компетенции, чтобы эффективно выполнить бизнес-задачу или воспользоваться готовым продуктом на основе big data», — подчеркнул Митькин.

Время на прочтение
5 мин

Количество просмотров 15K

Хабр, привет! На сегодняшний день технологии Big Data нашли свое применение практически в любых отраслях: ритейл, банкинг, здравоохранение, и, в свою очередь, сфера производства не стала исключением. Оптимизация производственной цепочки, выявление дефектов и контроль качества продукции, улучшение удобства использования продукта на основе поведения потребителей – неполный список результатов, которых можно достичь в производственной сфере благодаря Big Data. Рассмотрим несколько кейсов зарубежных и отечественных компаний, внедривших технологии больших данных в свою деятельность.

Зарубежные компании

1. Apple

Цель внедрения Big Data: использование данных о поведении потребителей для улучшения дизайна и удобства использования продукта.

Компания Apple всегда находилась на вершине технологического прогресса, поэтому неудивительно, что она повсеместно использует технологии Big Data. Более того, компания изначально находится в выигрышном положении, не только в связи с огромной популярностью ее продукции, но и потому что все девайсы Apple буквально созданы для того, чтобы собирать ценную информацию. Сейчас Apple имеет огромное количество данных о том, как мы используем Iphone, Ipad и Macbook, и может делать выводы о том, каким должен быть дизайн и характеристики последней версии девайса.

Более того, кардинальным образом меняется подход к дизайну приложений: теперь не приложение диктует пользователю условия его использования, а потребители дают компании знать, что именно требует исправления в новой версии.

Кульминацией успешного использования Big Data компанией Apple является распространение Apple Watch, ведь теперь возможности сбора данных о пользователе становятся практически безграничными: в компании знают, что носитель часов ел, сколько шагов он прошел, какая у него температура. На данный момент эти данные используются в основном для улучшения здоровья потребителей.

Компания IBM также выразила заинтересованность в данной технологии и заключила с Apple партнёрское соглашение. Вместе компании собираются использовать Big Data для предотвращения распространения болезней, их лечения и профилактики.

Результат: повышение лояльности и уровня удовлетворенности клиентов.

2. GE Oil & Gas

Цель внедрения Big Data: минимизация времени «простоя» производства.

General Electric Oil & Gas – одно из подразделений многоотраслевой корпорации GE, которое занимается производством высокотехнологичного оборудования для нефтегазового сектора. В условиях, когда снижаются цены на энергоресурсы, а сутки «простоя» могут обойтись в 7 миллионов долларов, жизненно важно минимизировать время незапланированной остановки производства, необходимо увеличивать эффективность нефтедобычи.

Благодаря сенсорам, установленным на продаваемом оборудовании, аналитики компании получают оперативную информацию о состоянии нефтедобычи, а для анализа массивов данных в 2012 году была разработана облачная платформа Predix, которая, используя алгоритмы машинного обучения, позволяла инженерам составлять расписания диагностических проверок, улучшать эффективность использования оборудования и снижать время «простоя», выявляя возможные неисправности до того, как они произойдут.

Результат: увеличение ежегодной добычи энергоресурсов и снижение убытков от неэффективного использования оборудования.

3. Nestlé

Цель внедрения Big Data: оптимизация производственной цепочки.

Nestlé — швейцарская компания, крупнейший в мире производитель продуктов питания. Для фабрик Nestlé очень важно соблюдать точность в планировании поставок, так как любое несовпадение во времени либо количестве приобретаемого сырья может привести к задержке производства продукции и неудовлетворенному спросу. Менеджер по продажам компании Davis Wu говорит: “Мы должны точнее планировать поставки, для того, чтобы наша продукция была как можно более свежей, когда она попадет на прилавки магазинов“.

Именно поэтому, компания обратилась к SAS для совместного внедрения SAS Forecast Server, который, используя данные по продажам за предыдущие периоды и оптимизационные алгоритмы, автоматически определяет спрос на материалы и формирует логистические цепочки поставок.

Результат: снижение ошибки при прогнозировании спроса на материалы вдвое, снижение убытков от хранения избыточных оборотных средств, убытков от задержек в производстве и т.д.

4. Intel

Цель внедрения Big Data: снижение себестоимости продукции.

Компания Intel занимается производством компьютерных компонентов, в частности, микропроцессоров, каждый из которых, перед тем как выйти на рынок, должен пройти около 19000 тестов. Анализируя данные по всему производственному процессу, аналитическая платформа способна выявлять, какие тесты проводить не потребуется, оставляя лишь часть необходимых проверок. Таким образом, существенно уменьшилось время тестирования микропроцессоров, а также затраты на проведение тестов.

Результат: экономия 3 миллионов долларов на одной линейке процессоров Intel Core. За счет увеличения использования технологии Big Data в производстве компания ожидает сэкономить еще 30 млн долларов.

Отечественные компании

1. Магнитогорский металлургический комбинат (ММК)

Цель внедрения Big Data: оптимизация расходов материалов при производстве стали.

ОАО «Магнитогорский металлургический комбинат» входит в число крупнейших мировых производителей стали и занимает лидирующие позиции среди предприятий черной металлургии России. В конце июня 2016 года в опытнопромышленную эксплуатацию был внедрен рекомендательный сервис от Yandex Data Factory – «Снайпер», который предназначается для оптимизации расхода ферросплавов и добавочных материалов при производстве стали. Аналитическая платформа обрабатывает параметры плавки: данные по исходному составу и массе шихты, требования по содержанию химических элементов в готовой стали и другие, а затем выдает соответствующие рекомендации.

Результат: предварительное тестирование сервиса показало, что экономия при его использовании составляет в среднем 5% или 275 млн рублей в год.

2. Газпром нефть

Цель внедрения Big Data: выявление причин сбоя работы оборудования.

«Газпром нефть» совместно с Teradata (американская компания специализируется на программно-аппаратных комплексах для обработки и анализа данных) реализовали проект внедрения предиктивной аналитики в процессы управления электроцентробежными насосами. Целью проекта, интеграция которого завершилась в августе 2015 г., стало выявление причин сбоя автоматического перезапуска насосов после аварийного отключения электропитания. В процессе анализа были использованы более 200 млн записей с контроллеров систем управления на 1649 скважинах и, в результате были созданы визуализированные модели цепочек событий, влияющие на самозапуск насосов и карты вероятностного распределения причинно-следственных связей.

Результат: получение информации о ранее неизвестных взаимосвязях в работе насосного оборудования и устранение возникших неполадок.

3. Сургутнефтегаз

Цель внедрения Big Data: оптимизация бизнес-процессов, сокращение времени подготовки отчетов и обработки данных.

«Сургутнефтегаз» — одно из крупнейших предприятий российской нефтегазовой отрасли, первым из российских компаний в 2012 году перешел на SAP HANA — платформу данных и приложений «in-memory» для ведения бизнеса в реальном времени. В результате, внедрение данной платформы привело к масштабным изменениям бизнес-процессов кампании. Разработчикам удалось автоматизировать учет продукции, расчет скользящих цен онлайн, обеспечив специалистов наиболее актуальной информацией, при этом запросы, которые ранее обрабатывались несколько часов, SAP HANA выполняет за несколько секунд. Также происходит значительная экономия аппаратных ресурсов благодаря вышеуказанному in-memory computing, при котором основным хранилищем данных является центральная память сервера, обеспечивающая значительно более высокую скорость операций чем отдельные диски, а также линейной масштабируемости, позволяющей параллельно обрабатывать запросы пользователей в оперативной памяти всех серверов.

Результат: Значительное увеличение эффективности бизнес-процессов в компании.

21 сентября стартует программа «Специалист по большим данным», при предоплате до 21 мая вы получите скидку 15% на обучение.

Где и как сегодня использовать большие данные? Консультант Мантра Малхотра (Mantra Malhotra) рассказывает в своем блоге о том, какие выгоды способна принести эта технология бизнесу.

По данным Barc, еще в 2015 году компании, которые обращаются к Big Data & Analytics, смогли на 8% увеличить доходы и на 10% снизить затраты.

Давайте вернемся из эры Интернета к тому времени, когда для размещения рекламы, а соответственно, и повышения прибыли, компании пользовались услугами газет или журналов. Можно ли было оценить конверсию бизнеса или увеличение продаж за счет публикации конкретной рекламы? Увы, нет, нельзя даже было отследить впечатления, которые произвела такая реклама в печатных СМИ.

Но теперь благодаря Интернету или рекламе в электронных медиа это стало вполне доступным. Интернет сделал всё очень простым. С помощью технологии больших данных вы можете не только анализировать поведение пользователей в отношении вашего продукта или услуги, но и предсказывать перспективы для них.

Бизнес – это принятие решений, а затем и их последствий. Иногда последствия приносят прибыль, а иногда их трудно переварить. В большинстве случаев предприятия принимают решения, ориентируясь на инстинкты и интуицию. Но что, если вы можете получить преимущество в борьбе с негативными последствиями? И возможно ли это вообще?

Применение Big Data и бизнес-аналитики полностью изменило управленческую компетентность. По данным BARC, более 40% компаний по всему миру пользуются преимуществами Big Data & Analytics.

Революционная технология увеличивает процент принятий лучших решений на 69%, а операционные процессы становятся эффективнее на 54%. Технология Big Data изменила способ маркетинга в бизнесе и позволила увеличить продажи и полнее удовлетворять потребности клиентов.

Это не схема, ускоряющая процесс принятия решений, но ее интеграция с бизнес-процессами, обеспечивающая надежность прогнозов и боле быстрое внедрение перспективных инноваций, может привести к повышению эффективности бизнеса.

Существует множество способов использования больших данных для построения бизнес-процессов. Имеют ли малые предприятия такой же доступ к этим данным, как и крупные компании? Ответ: да! Но как малый бизнес или предприятие может извлечь из этого максимальную пользу? Поехали!

Создавайте новые впечатления, услуги и продукты

Релевантные данные действительно важны для компаний, чтобы они могли спланировать старт для своих услуг и продуктов. Big Data – отличный способ выяснить растущий спрос и другую информацию, например, ожидания клиентов. Эта технология помогает бизнесу запустить в нужный момент производство продукта.

И традиционные фирмы, и многомиллионные стартапы, все они имеют одинаковый доступ к данным, которые позволяют собрать необходимые сведения для определения услуг или продуктов, пользующихся успехом. После этого предприятия могут нацелить свои ресурсы на получение оптимальных условий для вывода на рынок нового продукта.

По данным Forbes, 53% компаний обращаются к этой технологии. С помощью больших данных, описательной и прогностической статистики любой бизнес может проводить исследования и разработки, чтобы знать, какие услуги востребованы и над какой вертикалью лучше работать. Использование больших данных и бизнес-аналитики жизненно важно для развития бизнеса и успеха бренда.

Анализируйте и прогнозируйте потребительское поведение

Прогнозирование поведения потребителей является обязанностью каждого маркетолога. Исследование рынка поможет вам изучить намерения, а также спрогнозировать предпочтение потенциальных покупателей.

С помощью сложных инструментов прогностического анализа ваш бизнес получит полезные данные. Большие аналитические данные могут быть использованы для анализа всех потребительских особенностей, таких как покупательские привычки, частота покупок, и даже факторов, влияющих на решение о приобретении товаров. Это исследование предоставляет возможность предприятиям лучше понять своих потребителей и целевую аудиторию.

Выявляйте риски и мошенничества во время проверок

Для выявления случаев мошенничества предприятия компании могут интегрировать Big Data со своими системами. Big Data Analytics позволяет предприятиям подготовиться к случаям мошенничества, основываясь на информации, извлеченной из старых данных и данных в режиме реального времени.

Имея доступ к большому количеству архивных данных, старым транзакциям и информации о клиентах, можно выявить закономерности. Использование Big Data и бизнес-аналитики способствует устранению рисков благодаря прогнозированию случаев мошенничества или вероятности любого разрушительного события, несущего угрозу бизнесу.

Предприятия могут применять эту технологию для разных целей – например, для сокращения оттока сотрудников, определения потенциального риска или мошенничества, для прогнозирования снижения потока клиентов и выявления потенциальных причин этого или для определения любого вида деятельности, который может нанести вред бизнесу.

Планируйте запуск предложения и производства продукта

Процесс «от концепции к продукту», или разработка новых продуктов, всегда соответствует требованиям рынка. Big Data предоставляет возможность организации проактивного подхода, который определяет все идеальные стратегии запуска и разработки. Сбор данных, прогностический анализ и другие технологии могут быть использованы наряду с традиционными методами для получения соответствующих сведений.

Все эти данные необходимы для того, чтобы усовершенствовать цикл разработки нового продукта, который удовлетворяет потребности покупателей и повышает их клиентоориентированность. Кроме того, продукты, созданные с использованием этих знаний и проактивного подхода, несут меньшие риски, чем продукты, разработанные традиционным способом.

Бизнес может использовать Big Data & Analytics, чтобы сделать участие покупателей более эффективным. Таким образом, покупатели могут быть полезны для бренда, чтобы собрать больше информации для усовершенствования продукта и определения лучшего продукта или предложения, позволяющего представить его в нужный момент.

Улучшайте рабочий процесс и надежность

Использование больших данных и аналитики действительно полезно для улучшения работы и анализа происходящего в каждом виде бизнес-деятельности.

Это помогает бизнесу двигаться вперед, концентрируясь на информационном процессе. В текущем сценарии интеграция IoT и этих сложных инструментов позволила выявить огромное количество данных, которые открыли путь к анализу. Сведения, полученные в результате такого анализа, создают прекрасную базу для принятия решений и улучшения рабочего процесса в огромных масштабах.

Такие изменения или прогнозные программы могут принести значительную пользу любой организации. В свою очередь, предприятия получают улучшенные и надежные рабочие процессы с большей эффективностью.

Улучшайте пользовательский опыт

Для формирования полезного клиентского опыта компании могут использовать огромное количество данных, которые генерируют клиенты или пользователи услуг. Этими данными могут стать комментарии в социальных сетях, истории покупок, покупательские привычки или даже скорость покупок. Такие сведения по всему каналу могут пригодиться для создания индивидуального отношения, которое хотел бы видеть клиент.

Big Data и бизнес-аналитика помогут определить контактные или коммуникационные центры, нуждающиеся в улучшении. Это дает возможность переосмыслить весь пользовательский опыт, устраняя организационные и потребительские проблемы в коммуникациях.

По мнению компании Epsilon, «80% потребителей с большей вероятностью совершат покупку, если бренд предлагает персонализированное отношение». Для улучшения качества обслуживания клиентов предприятия могут также сосредоточиться на потребительских эмоциях, что поможет повысить лояльность клиентов к брендам. Для получения информационной базы можно использовать несколько источников данных, таких как комментарии в социальных сетях, формы, отзывы, обзвон, и другие.

Прогнозируйте колебания спроса

Анализ поведения клиентов не только помогает бизнесу прогнозировать колебания спроса, но и укрепляет цепочку поставок компании. Большие данные наряду с планированием, ориентированным на спрос, могут легко найти баланс между потребностями клиентов и предложениями компании.

Использование больших данных и бизнес-аналитики с помощью отчетов о продажах и финансовых отчетов, маркетинговых опросов, макроэкономических и экономических показателей, индикаторов в социальных сетях, таких как share или follower, и многие другие инструменты помогают получить достоверные и точные прогнозы в сложных бизнес-ситуациях.

Это позволяет компаниям не только определить спрос или продажи, но и узнать, что стимулирует продажи и какие обстоятельства благоприятствуют улучшению отношений с клиентами и бизнесом. И конечно же, дает бизнесу конкурентное преимущество.

Повышайте продажи или влияние на поведение потребителя

Сегодня маркетинг полностью изменился. Для стимулирования продаж маркетологи отдают предпочтение современным методам, а не с традиционными решениями. Впрочем, чтобы знать или предсказывать все потенциальные маркетинговые возможности, а также для достижения высокодоходных целей, можно использовать архивные данные.

Если взглянуть на текущую ситуацию, то компании нацеливаются на предпочтения клиентов, историю покупок, отзывы в Интернете, деятельность в социальных сетях и разнообразные цифровые треки, помогающие сформировать максимально персонализированное отношение, склонив приобрести их товары или услуги.

Использование больших данных и бизнес-аналитики позволяют компаниям сформировать оптимальную ценовую структуру, усовершенствовать систему сообщений или уведомлений, визуализировать информацию для мониторинга показателей, а также предусмотреть многие аспекты, которые увеличат доходы бизнеса.

Устраняйте операционные риски

Операционные риски могут быть везде, где существует человеческий фактор. Для снижения такого риска можно использовать прогностический анализ. Он работает с различными источниками информации, защищая компанию, ее внутренние и внешние данные.

Заблаговременное использование технологии больших данных и бизнес-аналитики с отличной визуализацией разрешает преобразовать основную информацию из электронной почты, записей звонков, социальных сетей, веб-сайтов, изображений, коммуникационных шаблонов и других блоков данных в оперативные сведения, оказывающие эффективную помощь предприятиям при принятии действенных решений по устранению операционных рисков.

Неструктурированные источники данных компаний полезны для получения значимой информации. С помощью этих наборов данных можно также проанализировать организационную структуру и поведение компаний, что позволяет устранить большинство факторов риска, связанных с выполнением бизнес-операций.

Перезагружайте ваши продукты

Большие данные – один из лучших способов сбора и использования обратной связи. Он помогает понять, как клиенты воспринимают ваши услуги и продукты. Вы можете вносить необходимые изменения и пересматривать их. Когда вы анализируете неструктурированный текст в социальных сетях, это позволяет вам получить общую обратную связь от своих клиентов. Вы даже можете дезинтегрировать обратную связь в различных географических точках и демографических группах.

Для того чтобы повышать удовлетворенность клиентов, важно работать над обратной связью и желаниями потребителей. Это поможет лучше понять, как клиенты воспринимают ваши услуги и товары и позволит вносить необходимые коррективы или реформировать продукт в соответствии с предпочтениями покупателя.

Используя большие данные в бизнесе, предприятия могут повысить производительность и эффективность различных процессов, что позволяет в течение буквально одной секунды сделать выбор. Компании также могут получить всю информацию, например стоимость материала, срок изготовления, оценочные показатели работы продукта после запуска и многие другие показатели, необходимые для успешного перезапуска продукта.

Резюме

Таковы 10 эффективных способов использования Big Data и бизнес-аналитики для всех бизнес-компаний, начиная с классических предприятий и заканчивая многомиллионными стартапами. Развитие технологий поможет Big Data остаться надолго. По прогнозам Statista, к концу 2027 года рынок больших данных вырастет примерно на $103 млрд.

Большинство людей ошибочно полагали, что Big Data предназначены только для крупных компаний или транснациональных корпораций. Но я пытался разрушить этот миф. Большие данные можно использовать в любом бизнесе, независимо от его размера – малом, среднем или большом.

Смотреть все статьи по теме «Большие данные (Big data)»