Скопировать ссылку
Однако как оптимально использовать данный актив к росту прибыльности компаний: создания конкурентных преимуществ, оптимизации маркетинга и бизнес-процессов — не всегда ясно. Еще редки соответствующие кейсы в бизнес-школах, деловые СМИ и литература — ограничены в передаче проектной специфики, а многие действительно работающие модели и подходы — защищены NDA.
Эти и другие вызовы я адресовал в выступлении на ежегодной бизнес-конференции по внедрению цифровых технологий Tech Week. Традиционно в Сколково лидеры из технологичных компаний обсудили как среднему и крупному бизнесу развиваться в беспрецедентных условиях.
К прибыли и эффективности с Big Data
Взрывной рост генерируемой информации связан не в последнюю очередь с растущим числом IoT-устройств (IP-камеры) и датчиков, маркетинговых данных и поведением пользователей, оцифровкой бизнес-процессов традиционного офлайновых индустрий.
Как показано на схеме ниже, сбор и работа с Big Data, характерные изначально для цифровых индустрий, то есть взаимодействующих с клиентами через интернет, активно смещается в традиционные «офлайновые» потребительские рынки, где сконцентрирован значимо больший экономический потенциал.
В связи с этим все современные компании всерьез озабочены проблемой оптимального использования накопленных данных. Автоматизированные инструменты обработки баз данных позволяют использовать Big Data для статистического анализа, построения предсказательных моделей и принятия data-driven решений.
Что такое Big Data
Big Data — это термин для динамических, часто чрезвычайно больших наборов информации, генерируемых людьми, машинами и устройствами. К большим данным относят информацию, генерируемую в социальных сетях, данные с машин и мобильных устройств, видео и голосовые записи, а также иные структурированные и неструктурированные форматы.
До недавнего времени большая часть информации, производимой и управляемой людьми, была крайне структурированной, те заранее известные параметры. Она была представлена электронными таблицами и реляционными базами данных. Но по мере расширения технологий и масштабов человеческой деятельности большая часть информации принимает полуструктурированную или неструктурированную форму. В эти категории попадают аудиопотоки, видео, текст, фотографии, а также цифровой след посетителей в социальных сетях, весь кликстрим (англ. Clickstream, запись активности пользователей) на сайтах и в приложениях.
И этой информации много. Приблизительно 3,7 миллиарда человек пользуются интернетом и половина поисковых запросов выполняется с мобильного телефона, поэтому в среднем ежедневно мы делаем ошеломляющее 5,6 миллиарда запросов, и это только Google.
Любовь человечества к социальным сетям в последние годы неуклонно росла. В среднем каждую минуту:
- В Instagram публикуется 350 000 постов.
- А в Twitter — 456 000 твитов.
- На YouTube просматривается 4 146 600 видео.
- А пользователи WhatsApp посылают 41 миллион текстовых сообщений.
Характеристики Big Data
Концептуально большие данные имеют определенные характеристики, обычно обозначаемые пятью буквами V:
- Объем (Volume): в сравнении с традиционными источниками информации.
- Разнообразие (Variety): поступают из множества источников и могут принимать множество форматов.
- Скорость (Velocity): генерируются с большой скоростью и должны обрабатываться так же быстро.
- Достоверность (Veracity): показатель надежности и точности информации.
- Ценность (Value): преимущества, которые получают бизнес и общество.
Чем полезна Big Data
Благодаря разнообразию источников данных, ERP и CRM-систем, рекламных и социальных платформ, программ лояльности, IoT и баз данных, повышаются требования к технологиям и навыкам для управления большими данными, анализа и извлечения из них ценности.
После завершения интеграционного этапа и синхронизации всей архитектуры данных в компании, у бизнеса часто возникает потребность в применении методов машинного обучения (ML, machine learning) поиска новых ответов. Так возникла область Data Science для профессиональной аналитики, способной использовать существующие источники данных и генерировать новые знания и инсайты, извлекать скрытые закономерности и практические идеи.
На схеме ниже показано как собранные источники сначала позволили компании провести детальную аналитику программы лояльности, а затем построить модель прогноза показателя LTV-клиентов с помощью машинного обучения.
Профессионалам в этой отрасли требуются опыт в области бизнеса, навыки эффективного общения, способность точно интерпретировать результаты и использовать статистические методы, языки программирования, пакеты программного обеспечения, библиотеки и инфраструктуру. По этой причине в секции Marketing Tech рассказал о четырех типовых подходах к структурированию и моделированию для расчета:
- LTV (life time value, пожизненная ценность клиента).
- Churn rate (вероятность ухода клиента).
- ROPO (research online purchase offline, влияние онлайн каналов на офлайн-продажи).
- MMO (marketing mix optimization, оптимального медиавоздействия).
С предложенными фреймворками отделы маркетинга смогут значительно ускорить внедрение подобных проектов у себя в компании.
Способы интерпретации и представления в BI
Крайне важна и визуализация полученных результатов работы с Big Data. Специалисты по обработке данных с помощью инструментов BI (business intelligence) пакетов помогают менеджерам выявлять тенденции и закономерности подавая информацию в доступной для нетехнических специалистов форме.
Визуализация данных обеспечивает графическое представление информации, которая удовлетворяет потребность в передаче результатов анализа больших данных тем, кто находится за пределами отдела аналитики.
На примере отчета в Power BI видно, как наглядно может быть представлена комплексная метрика LTV и связанные показатели, на которые опираются в работе несколько департаментов компании.
Чтобы добиться такого результата, специалист по визуализации данных стремиться достичь тонкого баланса между формой и функцией. Типы визуализации для построения дашбордов (англ. dashboard — информационная панель) включают диаграммы, таблицы, графики, карты, инфографику и многое другое.
Таким образом, лучшие BI-платформы визуально отображают основные бизнес-показатели и их динамику, позволяя заинтересованным сторонам использовать эту информацию для визуальной аналитики Big Data.
Будущее Big Data
Большинство экспертов по большим данным согласны с тем, что объем генерируемых данных будет продолжать расти в геометрической прогрессии в будущем. По некоторым оценкам, к 2025 году глобальная сфера данных достигнет 175 зеттабайт. Основными факторами, способствующими этому, являются рост числа пользователей интернета, которые делают все в режиме онлайн, и распространение подключенных устройств и встроенных систем.
С учетом того, что поставщики общедоступных и корпоративных облачных услуг, такие как Amazon Web Services (AWS), Microsoft Azure и Google Cloud Platform, трансформируют способы хранения и обработки больших данных, эксперты также предсказывают, что будущее больших данных останется за облачными технологиями. А гибридные и мультиоблачные среды рассматриваются как будущее корпоративного развертывания проектов больших данных.
Ожидается, что так называемые «быстрые данные», которые позволяют обрабатывать потоки в реальном времени, будут приобретать все большее значение. Благодаря технологиям потоковой обработки, дающим организациям возможность анализировать такую информацию всего за одну миллисекунду, быстрые данные станут критически важным средством получения прибыли для бизнеса.
Примером подобных проектов является скоринг пользователей в режиме реального времени для интернет-магазинов премиальных товаров, b2b-сервисов, сайтов застройщиков и так далее, где потеря клиента крайне дорога для компании.
Ожидается, что внедрение развивающихся технологий машинного обучения и искусственного интеллекта в инструменты анализа больших данных будет способствовать развитию этой тенденции.
Дружите с Big Data
Использование больших данных — это новый рубеж в бизнесе и предпринимательстве. Все признаки и тренды указывают на яркое будущее для прорывных технологий в этом направлении, которые делают применение больших данных в бизнесе практически безграничным.
Использование Big Data в маркетинге, управлении и формировании долгосрочной стратегии компании создаст преимущество над конкурентами. Вопрос в том, когда позволите этим изменениям начать происходить.
