Accept like data: як кампаніі вучацца атрымліваць прыбытак ад вялікіх даных

Аналізуючы вялікія дадзеныя, кампаніі вучацца выяўляць схаваныя заканамернасці, паляпшаючы прадукцыйнасць свайго бізнесу. Кірунак модны, але не кожны можа атрымаць выгаду з big data з-за адсутнасці культуры працы з імі

«Чым часцей у чалавека імя, тым больш верагоднасць таго, што ён своечасова заплаціць. Чым больш паверхаў у вашым доме, тым па статыстыцы вы лепшы пазычальнік. Знак задыяку практычна не ўплывае на верагоднасць вяртання, а вось псіхатып істотна », - распавядае пра нечаканыя заканамернасці ў паводзінах пазычальнікаў аналітык Home Credit Bank Станіслаў Дужынскі. Ён не бярэцца тлумачыць многія з гэтых заканамернасцяў - іх выявіў штучны інтэлект, які апрацаваў тысячы профіляў кліентаў.

Гэта моц аналітыкі вялікіх даных: аналізуючы велізарную колькасць неструктураваных даных, праграма можа выявіць мноства карэляцый, пра якія нават не здагадваецца самы мудры аналітык-чалавек. Любая кампанія мае велізарны аб'ём неструктураваных дадзеных (big data) - аб супрацоўніках, кліентах, партнёрах, канкурэнтах, якія могуць быць выкарыстаны ў інтарэсах бізнесу: палепшыць эфект ад акцый, дасягнуць росту продажаў, знізіць цякучасць кадраў і г.д.

Першымі з вялікімі данымі пачалі працаваць буйныя тэхналагічныя і тэлекамунікацыйныя кампаніі, фінансавыя інстытуты і рытэйл, каментуе Рафаіл Міфтахаў, дырэктар Deloitte Technology Integration Group, CIS. Цяпер цікавасць да такіх рашэнняў ёсць у многіх галінах. Чаго дасягнулі кампаніі? І ці заўсёды аналіз вялікіх дадзеных прыводзіць да каштоўных высноў?

Банкі выкарыстоўваюць алгарытмы вялікіх даных у першую чаргу для паляпшэння кліенцкага вопыту і аптымізацыі выдаткаў, а таксама для кіравання рызыкамі і барацьбы з махлярствам. «У апошнія гады ў галіне аналізу вялікіх даных адбылася сапраўдная рэвалюцыя, — кажа Дужынскі. «Выкарыстанне машыннага навучання дазваляе нам значна дакладней прагназаваць верагоднасць дэфолту па крэдыце — пратэрміноўка ў нашым банку складае ўсяго 3,9%». Для параўнання, на 1 студзеня 2019 года доля крэдытаў з пратэрміноўкай больш за 90 дзён па крэдытах, выдадзеных фізічным асобам, складала, па дадзеных ЦБ, 5%.

Нават мікрафінансавыя арганізацыі збянтэжаныя вывучэннем вялікіх дадзеных. «Прадастаўленне фінансавых паслуг без аналізу вялікіх даных сёння падобна на разлік без лічбаў», — кажа Андрэй Панамароў, генеральны дырэктар Webbankir, платформы онлайн-крэдытавання. «Мы выдаем грошы праз інтэрнэт, не бачачы ні кліента, ні яго пашпарта, і, у адрозненне ад традыцыйнага крэдытавання, мы павінны не толькі ацаніць плацежаздольнасць чалавека, але і вызначыць яго асобу».

Зараз у базе дадзеных кампаніі захоўваецца інфармацыя аб больш чым 500 тысячах кліентаў. Кожнае новае прыкладанне аналізуецца з гэтымі дадзенымі прыкладна па 800 параметрах. Праграма ўлічвае не толькі пол, узрост, сямейнае становішча і крэдытную гісторыю, але і прыладу, з якой чалавек заходзіў на платформу, як паводзіў сябе на сайце. Напрыклад, насцярожыць тое, што патэнцыйны пазычальнік не скарыстаўся крэдытным калькулятарам або не пацікавіўся ўмовамі пазыкі. «За выключэннем некалькіх стоп-фактараў - скажам, мы не выдаем крэдыты асобам да 19 гадоў - ні адзін з гэтых параметраў сам па сабе не з'яўляецца падставай для адмовы або згоды на выдачу крэдыту», - тлумачыць Панамароў. Мае значэнне спалучэнне фактараў. У 95% выпадкаў рашэнне прымаецца аўтаматычна, без удзелу спецыялістаў аддзела андэррайтынгу.

Аналіз вялікіх даных дазваляе вывесці цікавыя заканамернасці, дзеліцца Панамароў. Напрыклад, карыстальнікі iPhone апынуліся больш дысцыплінаванымі пазычальнікамі, чым уладальнікі Android-прыладаў – першыя атрымліваюць адабрэнне заяў у 1,7 разы часцей. «Тое, што вайскоўцы не вяртаюць крэдыты амаль на чвэрць радзей за сярэднестатыстычнага пазычальніка, не здзівіла», — кажа Панамароў. «Але студэнтаў звычайна не чакаюць абавязацельстваў, але тым часам выпадкі невыканання крэдыту на 10% радзей, чым у сярэднім па базе».

Вывучэнне вялікіх дадзеных дазваляе выстаўляць балы і для страхоўшчыкаў. Кампанія IDX, створаная ў 2016 годзе, займаецца дыстанцыйнай ідэнтыфікацыяй і анлайн-праверкай дакументаў. Гэтыя паслугі карыстаюцца попытам у страхоўшчыкаў грузаў, зацікаўленых у як мага меншай страце грузаў. Перш чым застрахаваць перавозку грузу, страхоўшчык са згоды кіроўцы правярае надзейнасьць, тлумачыць камэрцыйны дырэктар IDX Ян Слока. Сумесна з партнёрам - пецярбургскай кампаніяй «Рыск Кантроль» - IDX распрацавала сэрвіс, які дазваляе праверыць асобу кіроўцы, пашпартныя дадзеныя і правы, удзел у інцыдэнтах, звязаных са стратай грузу і інш. У базе кіроўцаў кампанія вылучыла «групу рызыкі»: часцей за ўсё грузы губляюцца сярод кіроўцаў ва ўзросце 30–40 гадоў з вялікім стажам кіравання, якія апошнім часам часта мянялі месца працы. Таксама высветлілася, што груз часцей за ўсё крадуць кіроўцы аўтамабіляў, тэрмін эксплуатацыі якіх перавышае восем гадоў.

У рытэйлераў іншая задача - выявіць кліентаў, гатовых здзейсніць пакупку, і вызначыць найбольш эфектыўныя спосабы прыцягнуць іх на сайт або ў краму. Для гэтага праграмы аналізуюць профіль кліентаў, даныя з іх асабістага кабінета, гісторыю пакупак, пошукавыя запыты і выкарыстанне бонусных балаў, змесціва электронных кошыкаў, якія яны пачалі запаўняць і ад якіх адмовіліся. «Аналітыка даных дазваляе сегментаваць усю базу дадзеных і вызначаць групы патэнцыйных пакупнікоў, якім можа быць цікавая тая ці іншая прапанова», — кажа дырэктар офіса апрацоўкі дадзеных групы «М.Відэа-Эльдарада» Кірыл Іваноў.

Напрыклад, праграма вызначае групы кліентаў, кожная з якіх любіць розныя маркетынгавыя інструменты - беспрацэнтны крэдыт, кэшбэк або промокод на зніжку. Гэтыя пакупнікі атрымліваюць электронную рассылку з адпаведнай акцыяй. Верагоднасць таго, што чалавек, адкрыўшы ліст, пяройдзе на сайт кампаніі, у гэтым выпадку істотна ўзрастае, адзначае Іваноў.

Аналіз дадзеных таксама дазваляе павялічыць продажу спадарожных тавараў і аксесуараў. Сістэма, якая апрацавала гісторыю заказаў іншых кліентаў, дае пакупніку рэкамендацыі, што купіць разам з абраным таварам. Тэставанне гэтага метаду працы, па словах Іванова, паказала павелічэнне колькасці заказаў з фурнітурай на 12% і рост абароту фурнітуры на 15%.

Рытэйлеры не адзіныя, хто імкнецца палепшыць якасць абслугоўвання і павялічыць продажу. Мінулым летам Мегафон запусціў сэрвіс «разумных» прапаноў, заснаваны на апрацоўцы даных мільёнаў абанентаў. Вывучыўшы іх паводзіны, штучны інтэлект навучыўся фармаваць персанальныя прапановы для кожнага кліента ў рамках тарыфаў. Напрыклад, калі праграма адзначае, што чалавек актыўна глядзіць відэа на сваім прыладзе, сэрвіс прапануе яму павялічыць аб'ём мабільнага трафіку. Улічваючы перавагі карыстальнікаў, кампанія прадастаўляе абанентам безлімітны трафік для любімых відаў інтэрнет-вольнага часу - напрыклад, выкарыстання мессенджеров або праслухоўвання музыкі ў стрымінгавых сэрвісах, зносін у сацыяльных сетках або прагляду тэлеперадач.

«Мы аналізуем паводзіны абанентаў і разумеем, як змяняюцца іх інтарэсы, - тлумачыць Віталь Шчарбакоў, дырэктар па аналітыцы вялікіх дадзеных «Мегафона». «Напрыклад, у гэтым годзе наведвальнасць AliExpress вырасла ў 1,5 разы ў параўнанні з мінулым годам, а ў цэлым колькасць наведванняў інтэрнэт-крам адзення расце: у 1,2-2 разы ў залежнасці ад канкрэтнага рэсурсу».

Яшчэ адзін прыклад працы аператара з вялікімі дадзенымі - платформа для пошуку зніклых дзяцей і дарослых «Мегафон Пошук». Сістэма аналізуе, якія людзі маглі знаходзіцца побач з месцам знікнення, і дасылае ім інфармацыю з фатаграфіяй і прыкметамі зніклага. Аператар распрацаваў і пратэставаў сістэму сумесна з МУС і арганізацыяй Lisa Alert: за дзве хвіліны арыентацыі на зніклага прымае больш за 2 тысячы абанентаў, што значна павялічвае шанцы на паспяховы вынік пошуку.

Аналіз вялікіх дадзеных знайшоў прымяненне і ў прамысловасці. Тут ён дазваляе прагназаваць попыт і планаваць продажу. Так, у групе кампаній «Чаркізава» тры гады таму было ўкаранёна рашэнне на базе SAP BW, якое дазваляе захоўваць і апрацоўваць усю інфармацыю аб продажах: цэны, асартымент, аб'ёмы тавараў, акцыі, каналы збыту, - распавядае ІТ-дырэктар Уладзіслаў Бяляеў. групы ” Чаркізава. Аналіз назапашаных 2 ТБ інфармацыі дазволіў не толькі эфектыўна сфарміраваць асартымент і аптымізаваць таварны партфель, але і палегчыў працу супрацоўнікаў. Напрыклад, падрыхтоўка штодзённай справаздачы аб продажах запатрабуе дня працы многіх аналітыкаў - па два на кожны таварны сегмент. Зараз гэтую справаздачу рыхтуе робат, затрачваючы на ​​ўсе сегменты ўсяго 30 хвілін.

«У прамысловасці вялікія даныя эфектыўна працуюць у спалучэнні з Інтэрнэтам рэчаў», — кажа Станіслаў Мяшкоў, генеральны дырэктар кампаніі Umbrella IT. — На аснове аналізу даных датчыкаў, якімі абсталявана абсталяванне, можна выявіць адхіленні ў яго працы і прадухіліць паломкі, прагназаваць працу».

У «Северсталі» з дапамогай big data спрабуюць вырашаць і даволі нетрывіяльныя задачы — напрыклад, зніжаць траўматызм. У 2019 годзе на мерапрыемствы па ахове працы кампанія накіравала каля 1,1 млрд рублёў. «Северсталь» разлічвае знізіць траўматызм на 2025% на 50 (у параўнанні з 2017 годам). «Калі лінейны кіраўнік — майстар, начальнік участка, начальнік цэха — заўважыў, што супрацоўнік выконвае некаторыя аперацыі небяспечна (не трымаецца за поручні пры ўздыме па лесвіцы на прампляцоўцы або не апранае ўсе сродкі індывідуальнай аховы), ён выпісвае яму асаблівая заўвага — ПАБ (ад «аўдыт паводніцкай бяспекі»)», — распавядае Барыс Васкрасенскі, кіраўнік аддзела аналізу дадзеных кампаніі.

Прааналізаваўшы звесткі аб колькасці ПАБ у адным з падраздзяленняў, спецыялісты кампаніі выявілі, што часцей за ўсё правілы бяспекі парушалі тыя, у каго раней ужо былі заўвагі, а таксама тыя, хто незадоўга да гэтага быў на бальнічным або ў адпачынку. інцыдэнт. Парушэнняў у першы тыдзень пасля выхаду з водпуску або бальнічнага ўдвая больш, чым у наступны перыяд: 1 супраць 0,55%. А вось праца ў начную змену, як аказалася, не ўплывае на статыстыку ПАБ.

Стварэнне алгарытмаў апрацоўкі вялікіх даных - не самая складаная частка працы, кажуць прадстаўнікі кампаніі. Значна складаней зразумець, як гэтыя тэхналогіі можна прымяніць у кантэксце кожнага канкрэтнага бізнесу. Вось тут ахілесава пята аналітыкаў кампаній і нават знешніх правайдэраў, якія, здавалася б, назапасілі вопыт у галіне вялікіх дадзеных.

«Я часта сустракаў аналітыкаў вялікіх даных, якія былі выдатнымі матэматыкамі, але не валодалі неабходным разуменнем бізнес-працэсаў, — кажа Сяргей Коцік, дырэктар па развіцці GoodsForecast. Ён успамінае, як два гады таму яго кампанія атрымала магчымасць паўдзельнічаць у конкурсе на прагназаванне попыту федэральнай гандлёвай сеткі. Быў абраны пілотны рэгіён, па ўсіх таварах і крамах якога ўдзельнікі рабілі прагнозы. Затым прагнозы параўноўвалі з рэальнымі продажамі. Першае месца заняў адзін з расійскіх інтэрнэт-гігантаў, вядомы сваёй экспертызай у машынным навучанні і аналізе дадзеных: у сваіх прагнозах ён паказаў мінімальнае адхіленне ад рэальных продажаў.

Але калі ў сетцы сталі больш дэталёва вывучаць яго прагнозы, аказалася, што з пункту гледжання бізнесу яны абсалютна непрымальныя. Кампанія прадставіла мадэль, якая стварала планы продажаў з сістэматычным заніжэннем. Праграма прыдумала, як мінімізаваць верагоднасць памылак у прагнозах: бяспечней заніжаць продажу, так як максімальная хібнасць можа складаць 100% (адмоўных продажаў няма), а вось у бок завышэння прагнозу яна можа быць колькі заўгодна вялікая, Коцік тлумачыць. Іншымі словамі, кампанія прадставіла ідэальную матэматычную мадэль, якая ў рэальных умовах прывядзе да паўпустых крам і велізарных страт ад недапродажаў. У выніку конкурс выйграла іншая кампанія, разлікі якой можна было ўвасобіць у жыццё.

Тэхналогіі вялікіх даных актуальныя для многіх галін, але іх актыўнае ўкараненне адбываецца не ўсюды, адзначае Мяшкоў. Напрыклад, у ахове здароўя ёсць праблема з захоўваннем даных: назапашана шмат інфармацыі, яна рэгулярна абнаўляецца, але ў большасці сваёй яшчэ не алічбаваная. Дадзеных у дзяржорганах таксама шмат, але яны не аб'ядноўваюцца ў агульны кластар. На вырашэнне гэтай праблемы накіравана распрацоўка адзінай інфармацыйнай платформы Нацыянальнай сістэмы кіравання дадзенымі (НСІД), лічыць эксперт.

Аднак наша краіна - далёка не адзіная краіна, дзе ў большасці арганізацый важныя рашэнні прымаюцца на аснове інтуіцыі, а не аналізу вялікіх даных. У красавіку мінулага года кампанія Deloitte правяла апытанне сярод больш чым тысячы кіраўнікоў буйных амерыканскіх кампаній (са штатам ад 500 чалавек) і выявіла, што 63% апытаных знаёмыя з тэхналогіямі вялікіх дадзеных, але не валодаюць усім неабходным інфраструктура для іх выкарыстання. Між тым сярод 37% кампаній з высокім узроўнем аналітычнай сталасці амаль палова значна перавысіла бізнес-мэты за апошнія 12 месяцаў.

Даследаванне паказала, што акрамя складанасці ўкаранення новых тэхнічных рашэнняў важнай праблемай кампаній з'яўляецца адсутнасць культуры працы з дадзенымі. Не варта чакаць добрых вынікаў, калі адказнасць за рашэнні, прынятыя на аснове вялікіх дадзеных, ускладаецца толькі на аналітыкаў кампаніі, а не на ўсю кампанію ў цэлым. «Цяпер кампаніі шукаюць цікавыя варыянты выкарыстання вялікіх дадзеных», — кажа Міфтахаў. — У той жа час рэалізацыя некаторых сцэнарыяў патрабуе ўкладанняў у сістэмы збору, апрацоўкі і кантролю якасці дадатковых даных, якія раней не аналізаваліся». Нажаль, «аналітыка пакуль не з'яўляецца камандным відам спорту», ​​прызнаюць аўтары даследавання.