Akzeptéieren wéi Daten: wéi Geschäfter léieren aus Big Data ze profitéieren

Andeems Dir Big Data analyséiert, léiere Firmen verstoppte Mustere z'entdecken, hir Geschäftsleistung ze verbesseren. D'Richtung ass moudesch, awer net jidderee ka vu Big Data profitéieren wéinst dem Mangel un enger Kultur fir mat hinnen ze schaffen

"Wat méi heefeg den Numm vun enger Persoun ass, wat méi wahrscheinlech si se op Zäit bezuelen. Wat méi Etagen Äert Haus huet, wat méi statistesch sidd Dir e bessere Prêt. D'Zeeche vum Déierekrees wandert bal keen Effekt op d'Wahrscheinlechkeet vun engem Remboursement, mä de Psychotyp ass bedeitend, "seet de Stanislav Duzhinsky, en Analyst vun der Home Credit Bank, iwwer onerwaart Musteren am Verhalen vun de Prêten. Hien verpflicht net vill vun dëse Mustere z'erklären - si goufen duerch kënschtlech Intelligenz opgedeckt, déi Dausende vu Clientsprofile veraarbecht hunn.

Dëst ass d'Kraaft vu Big Data Analyse: andeems Dir eng rieseg Quantitéit vun onstrukturéierten Donnéeën analyséiert, kann de Programm vill Korrelatiounen entdecken, déi de schlauste mënschlechen Analyst net emol weess. All Firma huet eng rieseg Quantitéit vun onstrukturéierten Donnéeën (Big Data) - iwwer Mataarbechter, Clienten, Partner, Konkurrenten, déi fir Geschäftsvirdeeler benotzt kënne ginn: d'Effekt vun de Promotiounen verbesseren, de Verkafswuesstem erreechen, d'Personal Ëmsaz reduzéieren, etc.

Déi éischt fir mat grousser Daten ze schaffen waren grouss Technologie- an Telekommunikatiounsfirmen, Finanzinstituter a Retail, kommentéiert Rafail Miftakhov, Direkter vun der Deloitte Technology Integration Group, CIS. Elo gëtt et Interessi un esou Léisungen a ville Branchen. Wat hunn d'Betriber erreecht? A féiert Big Data Analyse ëmmer zu wäertvolle Conclusiounen?

Banke benotzen Big Data Algorithmen haaptsächlech fir d'Clienterfarung ze verbesseren an d'Käschte ze optimiséieren, wéi och fir Risiko ze managen a Bedruch ze bekämpfen. "An de leschte Joeren ass eng richteg Revolutioun am Beräich vun der Big Data Analyse stattfonnt", seet Duzhinsky. "D'Benotzung vu Maschinnléieren erlaabt eis d'Wahrscheinlechkeet vum Prêtdefault vill méi präzis virauszesoen - d'Delinquenz an eiser Bank ass nëmmen 3,9%." Zum Verglach, ab dem 1. Januar 2019 war den Undeel vun de Prête mat iwwerschësseg Bezuelungen iwwer 90 Deeg op Prêten un Eenzelpersounen, laut der Zentralbank, 5%.

Och Mikrofinanzorganisatiounen sinn iwwerrascht iwwer d'Studie vu Big Data. "Finanziell Servicer ubidden ouni grouss Daten haut ze analyséieren ass wéi Mathematik ouni Zuelen ze maachen", seet den Andrey Ponomarev, CEO vu Webbankir, eng Online Kredittplattform. "Mir erausginn Suen online ouni de Client oder säi Pass ze gesinn, an am Géigesaz zu traditionelle Prêten, musse mir net nëmmen d'Solvabilitéit vun enger Persoun bewäerten, mee och seng Perséinlechkeet identifizéieren."

Elo späichert d'Datebank vun der Firma Informatioun iwwer méi wéi 500 Tausend Clienten. All nei Applikatioun gëtt mat dësen Donnéeën an ongeféier 800 Parameteren analyséiert. De Programm berücksichtegt net nëmmen Geschlecht, Alter, Familljestand a Kredittgeschicht, awer och den Apparat, aus deem eng Persoun op d'Plattform erakomm ass, wéi hien sech um Site behuelen. Zum Beispill kann et alarméierend sinn datt e potenzielle Prêt kee Prêtrechner benotzt oder net iwwer d'Konditioune vun engem Prêt gefrot huet. "Mat Ausnam vun e puer Stoppfaktoren - sot mir maachen keng Prêten un Persounen ënner 19 Joer - Keen vun dësen Parameteren u sech ass e Grond fir ze refuséieren oder averstanen e Prêt auszeginn", erkläert de Ponomarev. Et ass d'Kombinatioun vu Faktoren déi wichteg ass. An 95% vun de Fäll gëtt d'Entscheedung automatesch gemaach, ouni d'Participatioun vu Spezialisten aus der Underwriting Departement.

Big Data Analyse erlaabt eis interessant Musteren ofzeleeën, deelt Ponomarev. Zum Beispill hunn d'iPhone Benotzer sech als méi disziplinéiert Prêten erausgestallt wéi d'Besëtzer vun Android Apparater - déi fréier kréien d'Zustimmung vun Uwendungen 1,7 Mol méi dacks. "D'Tatsaach, datt d'Militärpersonal keng Prêten zréckbezuele bal e Véierel manner dacks wéi den duerchschnëttleche Prêt war keng Iwwerraschung", seet de Ponomarev. "Awer Studente ginn normalerweis net erwaart datt se obligatoresch sinn, awer mëttlerweil sinn Fäll vu Kredittdefaults 10% manner heefeg wéi d'Moyenne fir d'Basis."

D'Studie vu Big Data erlaabt och Scoring fir Versécherer. Etabléiert am Joer 2016, IDX beschäftegt sech mat Fernidentifikatioun an Online Verifizéierung vun Dokumenter. Dës Servicer sinn an Nofro ënnert Gidderween Verséchereren, déi am Verloscht vu Wueren esou wéineg wéi méiglech interesséiert sinn. Ier Dir den Transport vu Wueren assuréiert, kontrolléiert de Versécherer, mat der Zoustëmmung vum Chauffer, d'Zouverlässegkeet, erkläert de Jan Sloka, kommerziellen Direkter vun IDX. Zesumme mat engem Partner - der St. Petersburg Firma "Risiko Kontroll" - IDX huet e Service entwéckelt, datt Dir d'Identitéit vun de Chauffer ze kontrolléieren erlaabt, Pass Donnéeën a Rechter, Participatioun an Tëschefäll am Zesummenhang mat de Verloscht vun cargo, etc.. No Analyse. D'Datebank vun de Chauffeuren huet d'Firma e "Risikogrupp" identifizéiert: meeschtens gëtt d'Fracht verluer tëscht Chauffeuren am Alter vun 30-40 Joer mat enger laanger Fuererfahrung, déi dacks viru kuerzem vun Aarbecht geännert hunn. Et huet sech och erausgestallt, datt d'Fracht meeschtens vun de Chauffeuren vun Autoen geklaut gëtt, de Liewensdauer vun deem méi wéi aacht Joer ass.

Händler hunn eng aner Aufgab - Clienten z'identifizéieren déi bereet sinn e Kaf ze maachen, a bestëmmen déi effektiv Weeër fir se op de Site oder de Buttek ze bréngen. Zu dësem Zweck analyséieren d'Programmer de Profil vun de Clienten, Daten aus hirem perséinleche Kont, d'Geschicht vun Akeef, Sichufroen an d'Benotzung vu Bonuspunkten, den Inhalt vun elektronesche Kuerf, déi se ugefaang hunn auszefëllen an opginn. Donnéeën Analyse erlaabt Iech déi ganz Datebank ze segmentéieren an Gruppe vu potenzielle Keefer z'identifizéieren, déi an enger bestëmmter Offer interesséiert sinn, seet de Kirill Ivanov, Direkter vum Datebüro vun der M.Video-Eldorado Grupp.

Zum Beispill identifizéiert de Programm Gruppe vu Clienten, déi jidderee gär verschidde Marketinginstrumenter gär huet - en Zënsfräi Prêt, Cashback oder e Rabatt Promo Code. Dës Keefer kréien en E-Mail Newsletter mat der entspriechender Promotioun. D'Wahrscheinlechkeet datt eng Persoun, déi de Bréif opgemaach huet, op d'Websäit vun der Firma geet, an dësem Fall erhéicht däitlech, seet Ivanov.

Donnéeën Analyse erlaabt Iech och de Verkaf vu verbonne Produkter an Accessoiren ze erhéijen. De System, deen d'Bestellungsgeschicht vun anere Clienten veraarbecht huet, gëtt dem Keefer Empfehlungen iwwer wat ze kafen zesumme mam ausgewielten Produkt. Testen vun dëser Aarbechtsmethod, laut Ivanov, huet eng Erhéijung vun der Unzuel vun Bestellungen mat Accessoiren ëm 12% an eng Erhéijung vum Ëmsaz vun Accessoiren ëm 15% gewisen.

Händler sinn net déi eenzeg, déi d'Qualitéit vum Service verbesseren an de Verkaf erhéijen. Am leschte Summer huet MegaFon e "Smart" Offer Service lancéiert baséiert op der Veraarbechtung vun Daten vu Millioune Abonnenten. Nodeems se hiert Verhalen studéiert hunn, huet kënschtlech Intelligenz geléiert perséinlech Offere fir all Client bannent den Tariffer ze bilden. Zum Beispill, wann de Programm feststellt datt eng Persoun aktiv Video op sengem Apparat kuckt, bitt de Service him d'Quantitéit vum mobilen Traffic auszebauen. Wann Dir d'Astellunge vun de Benotzer berücksichtegt, bitt d'Firma Abonnente mat onlimitéierten Traffic fir hir Liiblingsarten vun Internet Fräizäit - zum Beispill, Instant Messenger benotzen oder Musek op Streaming Servicer lauschteren, chatten op sozialen Netzwierker oder Fernsehsendungen kucken.

"Mir analyséieren d'Behuele vun den Abonnenten a verstinn wéi hir Interessen änneren", erkläert de Vitaly Shcherbakov, Direkter vu Big Data Analytics bei MegaFon. "Zum Beispill, dëst Joer ass den AliExpress Traffic 1,5 Mol am Verglach zum leschte Joer gewuess, an am Allgemengen ass d'Zuel vun de Visiten an Online Kleedergeschäfter wuessen: 1,2-2 Mol, ofhängeg vun der spezifescher Ressource."

En anert Beispill vun der Aarbecht vun engem Bedreiwer mat Big Data ass d'MegaFon Poisk Plattform fir d'Sich no vermësste Kanner an Erwuessener. De System analyséiert wéi eng Persounen no der Plaz vun der vermësster Persoun kéinte sinn, a schéckt hinnen Informatiounen mat enger Foto an Zeeche vun der vermësster Persoun. De Bedreiwer entwéckelt a getest de System zesumme mam Inneministère an der Lisa Alert Organisatioun: innerhalb vun zwou Minutte vun der Orientéierung op déi vermësst Persoun kréien méi wéi 2 dausend Abonnente, wat d'Chancen vun engem erfollegräiche Sichresultat wesentlech erhéicht.

Big Data Analyse huet och Uwendung an der Industrie fonnt. Hei erlaabt Iech d'Nofro ze prognostizéieren an de Verkaf ze plangen. Also, an der Cherkizovo Grupp vu Firmen, virun dräi Joer, gouf eng Léisung baséiert op SAP BW implementéiert, déi Iech erlaabt all Verkafsinformatioun ze späicheren an ze veraarbechten: Präisser, Sortiment, Produktvolumen, Promotiounen, Verdeelungskanäl, seet de Vladislav Belyaev, CIO vun der Grupp "Cherkizovo. D'Analyse vun der akkumuléierter 2 TB vun Informatioun huet et net nëmmen erlaabt d'Sortiment effektiv ze bilden an de Produktportfolio ze optimiséieren, awer och d'Aarbecht vun de Mataarbechter erliichtert. Zum Beispill, fir en deegleche Verkafsbericht virzebereeden, erfuerdert en Dag Aarbecht vu villen Analysten - zwee fir all Produktsegment. Elo gëtt dëse Bericht vum Roboter virbereet, nëmmen 30 Minutten op all Segmenter verbréngen.

"An der Industrie funktionnéieren grouss Daten effektiv a Verbindung mam Internet vun de Saachen", seet de Stanislav Meshkov, CEO vum Umbrella IT. "Baséierend op der Analyse vun Daten aus de Sensoren, mat deenen d'Ausrüstung ausgestatt ass, ass et méiglech Ofwäichungen a senger Operatioun z'identifizéieren an Decompte ze verhënneren, a Leeschtung virauszesoen."

Zu Severstal probéieren se mat Hëllef vu Big Data och éischter net-trivial Aufgaben ze léisen - zum Beispill fir d'Verletzungsraten ze reduzéieren. Am Joer 2019 huet d'Firma ongeféier 1,1 Milliarde RUB fir Moossname verdeelt fir d'Aarbechtssécherheet ze verbesseren. Severstal erwaart d'Verletzungsquote ëm 2025% ëm 50 ze reduzéieren (am Verglach zum 2017). "Wann e Linn Manager - Chef, Site Manager, Buttek Manager - bemierkt datt en Employé bestëmmte Operatiounen onsécher mécht (hält net un d'Glänner beim Klammen op der Industrieplaz oder dréit net all perséinlech Schutzausrüstung), schreift hien eraus. eng speziell Notiz fir hien - PAB (vum "Verhalenssécherheetsaudit")," seet de Boris Voskresensky, Chef vun der Firma Datenanalyse Departement.

Nodeems d'Donnéeën iwwer d'Zuel vun de PABs an enger vun den Divisiounen analyséiert goufen, hunn d'Spezialisten vun der Firma festgestallt, datt d'Sécherheetsregele meeschtens verletzt goufen vun deenen, déi scho e puer Remarquen haten, wéi och vun deenen, déi kuerz viru krank oder an der Vakanz waren. den Tëschefall. Violatioune an der éischter Woch nom Retour aus der Vakanz oder krank Congé waren duebel sou héich wéi an der spéider Period: 1 versus 0,55%. Awer d'Aarbecht op der Nuetsschicht, wéi et sech erausstellt, beaflosst net d'Statistike vu PABs.

D'Erstelle vun Algorithmen fir d'Veraarbechtung vu Big Data ass net dee schwéiersten Deel vun der Aarbecht, soen d'Firmavertrieder. Et ass vill méi schwéier ze verstoen wéi dës Technologien am Kontext vun all spezifescht Geschäft applizéiert kënne ginn. Do läit den Achillesfer vun de Firmenanalytiker a souguer externe Fournisseuren, déi, wéi et schéngt, Expertise am Beräich vu Big Data gesammelt hunn.

"Ech hunn dacks Big Data Analysten begéint, déi exzellent Mathematiker waren, awer net dat néidegt Verständnis vu Geschäftsprozesser hunn", seet de Sergey Kotik, Direkter vun der Entwécklung bei GoodsForecast. Hien erënnert un wéi virun zwee Joer seng Firma d'Méiglechkeet hat fir un enger Nofroprevisiounskonkurrenz fir eng Bundeshandelskette deelzehuelen. Eng Pilotregioun gouf gewielt, fir all Wueren a Geschäfter vun deenen d'Participanten Prognosen gemaach hunn. D'Prognosen goufen dunn mam aktuelle Verkaf verglach. Déi éischt Plaz gouf vun engem vun de russeschen Internet Risen geholl, bekannt fir seng Expertise am Maschinnléieren an Datenanalyse: a senge Prognosen huet et e minimale Ofwäichung vum aktuellen Verkaf gewisen.

Awer wann d'Netz ugefaang huet seng Prognosen méi am Detail ze studéieren, huet sech erausgestallt datt se aus enger geschäftlecher Siicht absolut inakzeptabel sinn. D'Firma huet e Modell agefouert, dee Verkafspläng mat engem systematesche Understatement produzéiert huet. De Programm huet erausfonnt wéi d'Wahrscheinlechkeet vu Feeler an de Prognosen miniméiert: et ass méi sécher de Verkaf ze ënnerschätzen, well de maximale Feeler kann 100% sinn (et gëtt keng negativ Verkaf), awer a Richtung overforecasting kann et arbiträr grouss sinn, Kotik erkläert. An anere Wierder, d'Firma huet en ideale mathematesche Modell presentéiert, deen an reelle Bedéngungen zu hallef eidel Geschäfter a grousse Verloschter vum Ënnersale féieren. Als Resultat huet eng aner Firma de Concours gewonnen, deenen hir Berechnunge konnten ëmgesat ginn.

Big Data Technologien si relevant fir vill Industrien, awer hir aktiv Ëmsetzung geschitt net iwwerall, bemierkt Meshkov. Zum Beispill gëtt et an der Gesondheetsariichtung e Problem mat der Datespäicherung: Vill Informatioun gouf gesammelt an et gëtt regelméisseg aktualiséiert, awer gréisstendeels sinn dës Donnéeën nach net digitaliséiert. Et gëtt och vill Donnéeën an de staatlechen Agencen, awer si sinn net an e gemeinsame Cluster kombinéiert. D'Entwécklung vun enger vereenegter Informatiounsplattform vum National Data Management System (NCMS) zielt fir dëse Problem ze léisen, seet den Expert.

Eist Land ass awer bei wäitem net dat eenzegt Land, wou an de meeschten Organisatiounen wichteg Entscheedungen op Basis vun Intuition geholl ginn, an net vun der Analyse vu Big Data. Am Abrëll d'lescht Joer huet Deloitte eng Ëmfro ënner méi wéi dausend Leadere vu groussen amerikanesche Firmen (mat engem Personal vu 500 oder méi) gemaach a festgestallt datt 63% vun de befrotene mat Big Data Technologien vertraut sinn, awer net all déi néideg hunn. Infrastruktur fir se ze benotzen. Mëttlerweil, ënner den 37% vun de Firmen mat engem héijen Niveau vun der analytescher Reife, hu bal d'Halschent d'Geschäftsziler an de leschten 12 Méint wesentlech iwwerschratt.

D'Etude huet verroden datt nieft der Schwieregkeet fir nei technesch Léisungen ëmzesetzen, e wichtege Problem an de Firmen ass de Mangel un enger Kultur fir mat Daten ze schaffen. Dir sollt net gutt Resultater erwaarden, wann d'Verantwortung fir Entscheedungen op Basis vu Big Data nëmmen un d'Analyten vun der Firma zougewisen ass, an net un d'ganz Firma als Ganzt. "Elo sichen d'Firmen interessant Benotzungsfäll fir grouss Daten", seet de Miftakhov. "Zur selwechter Zäit erfuerdert d'Ëmsetzung vun e puer Szenarie Investitiounen an Systemer fir d'Sammelen, d'Veraarbechtung an d'Qualitéitskontroll vun zousätzlechen Donnéeën, déi net virdru analyséiert goufen." Och, "Analytik ass nach keen Teamsport", ginn d'Autoren vun der Studie zou.