Большие данные изначально были достоянием лишь специальных служб, а сейчас появилась возможность их использовать для улучшения бизнес-показателей, прежде всего, спроса на продукцию.
Конечно, нынешние Big-data, это совсем не тот набор данных, которым располагают органы безопасности. И те, и те — данные о пользователях, но о совершенно разных действиях. Большие данные для бизнеса направлены, прежде всего на повышение спроса, но главное их отличие — отсутствие персонификации. То есть, известно, что в крупном торговом центре в Ивановской области определенная категория товаров лучше всего раскупается по четвергам. При этом неизвестно, (да и неважно для бизнеса), кто что покупает лично. Вполне достаточно общей закономерности, а персонификация оказывается лишним делом.
Прогнозирование спроса по большим данным
Главная цель, с которой компании готовы платить большие деньги за подключение к большим данным, является прогнозирование спроса. Далеко не каждая компания может похвастать стабильной средой, когда каждый последующий месяц/сезон/год товара покупается ровно столько же сколько и в предыдущий. Именно поэтому нужно вкладывать деньги в рекламу, а такие инвестиции без прогноза — почти равносильны сливанию денег на ветер. Прогноз спроса — главное преимущество, которое получает бизнес, использую Big-data.
Зачем нужны специалисты, почему нельзя просто подключиться к Big-data?
Это обычный вопрос, причем даже от людей в теме, которые достаточно хорошо понимают, что такое большие данные. На первый взгляд, кажется, что использовать Big-Data также просто, как и подключиться к интернет, вести рекламные кампании там. На самом деле, это совсем не так по причине того, что большие данные одни на всех. То есть, нет никаких Big-Data специально для транспортных, медицинских, или каких других компаний. Всем приходится пользовать одними общими Big-Data и извлекать нужную информацию с помощью специалистов. Кстати, именно в этой сфере подготавливает сотрудников информационный центр «21 век».
Основное число специалистов должно быть опытными профессионалами именно в сфере обработки данных. В их задачи войдет подбор необходимых программ, алгоритмов машинного обучения для автоматического подбора данных. Простыми словами, из общего массива, которым пользуются все, нужно что-то найти полезное для своего бизнеса. Это нереально сделать вручную или с использованием поисковиков, имеющихся программ. Каждый раз нужно что-то разрабатывать заново под себя.
10 компаний, успешно использующих Big-data
- Яндекс.
- Mail.ru Group (Вконтакте).
- Мегафон.
- ВТБ.
- Газпромбанк.
- Сбербанк.
- Альфа-банк.
- Вымплеком.
- Тинькофф банк.
- Аэрофлот.
Big-data могут принести пользу бизнесу, который, казалось бы несвязан с широкой аудиторией. Например, в НЛМК (производство и крупнооптовые металлопроката) есть отдел математического моделирования и анализа данных. Его директор, Андрей Аршавский, не раз выступал на конференциях, посвященных использованию Big-data для нужд бизнеса.
Пример использования Big-Data в Аэрофлоте
Послушаем, что сказал сам директор отдела маркетинга «Аэрофлота» Аннон Мягков на пресс-конференции издательству Forbes: «Big-Data позволили нам рассчитать клиентское ядро. Из всех наших 32 млн пассажиров, только 1,2 млн обеспечивают нам 50% прибыли. За этим выводом последовала масштабная оптимизация расходов на рекламные кампании. Реклама стала целевой. Был высчитан график перелетов, рекламные предложения стали подаваться клиентам вовремя».
По аналогичной схеме Big-Data используются и в других сферах бизнеса. Конечно, пока что эти технологии из будущего доступны только крупным игрокам отраслей. Более мелким приходится довольствоваться частичным доступом, например, технологиями таргетированной рекламы с геопривязкой.
Основная сложность применения больших данных состоит в поиске специалистов, которые умеют подстраивать алгоритмы машинного обучения под задачи конкретного бизнеса.
Зачем нужен анализ аудитории?
Польза от Big-Data особенно быстро заметна в крупных компаниях с многомиллионной аудиторией. Показательный пример — торговые сети, магазины, торгующие товарами не первой необходимости. К таким относится почти вся торговля за исключением пищевых продуктов и энергетики. Там анализ аудитории позволит эффективно планировать рекламные кампании. Кстати, аналогичная задача есть в бизнесе любого масштаба.
Big-Data позволяют классифицировать аудиторию по ее покупкам, предпочтениям, доходам, графику посещения и сотням других критериев.
На сочетании этих сотен критериев (данные по ним собираются автоматически) строится бизнес-модель. А вот здесь сделать автоматически уже ничего нельзя. Необходим мозговой штурм нескольких аналитиков.