Экономика больших данных: способы монетизации
В этом году большие данные преодолели пик завышенных ожиданий в Цикле зрелости технологий Gartner и перешли в стадию избавления от иллюзий. В России обсуждение этого стека решений переходит из тональности «это круто» в плоскость «почему это выгодно». Как монетизировать технологии анализа больших данных, обсудили участники круглого стола «Большие данные: тренд новых ИТ», организованного 4 декабря 2014 г. агентствами CNews Conferences и CNews Analytics.
Первое очарование всемогущими большими данными прошло. Теперь принято говорить не только о том, что могут большие данные, но и о том, сколько стоит внедрение новых технологий, а также какую выгоду, в том числе материальную, они несут.
Денежный вопрос
Сегодня бизнес не интересуют технологии сами по себе. Важен результат, который они могут принести, иначе владельцы бизнеса не готовы вкладывать деньги в новые ИТ-инструменты, уверен Евгений Буслов, руководитель направления в «Петер-сервис». Его компания разработала целый ряд сценариев монетизации больших данных. Они включают кейсы по анализу покупательских аномалий, борьбе с пробками в супермаркетах, выявлению лидеров мнений и взаимодействию с ними, повышению эффективности интернет-рекламы и другие.
Эксперт убежден, что неправильно просто продавать технологии, надо предлагать решения, нацеленные на конкретные задачи, например, удержание клиентов. По словам Буслова, большие данные позволяют сохранять до 50% клиентов, склонных к оттоку. «У тех, кто планирует уйти, есть общие черты. На основе поведения тех, кто уже перестал быть клиентом, составляются модели, выявляются факторы, которые способствуют оттоку или наоборот его тормозят», – рассказывает эксперт. Применение технологий больших данных делают возможными раннее выявление клиентов, склонных к оттоку, разработку персонализированных планов удержания и оценку эффективности предпринятых мер. На основе полученной аналитики можно впоследствии развивать продукты и совершенствовать предоставляемые сервисы.
Нельзя просто купить коробку с надписью «Big Data», прежде необходимо тщательно проработать проект по внедрению технологий анализа больших данных, рассматривая его как инвестиционный, говорит Дмитрий Буканов, директор по ИТ компании «Коттон Вэй». Начинать эксперт рекомендует с «денежной» оценки внедрения и просчета рисков. Компании вкладывают в технологии обработки больших данных, так как они дают преимущества, недостижимые иными способами, убежден Буканов. Под этими преимуществами он подразумевает возможность обработки неструктурированных данных. Другого способа, за исключением большого объема ручного труда, нет. Компании «Коттон Вэй» внедрение технологий анализа больших данных позволило реализовать сложный проект по обеспечению крупного медицинского учреждения текстилем с RFID-метками.
Дата-дривен
В 2013 г. одному из крупнейших интернет-магазинов России – кибермаркету «Юлмарт» – применение технологий обработки больших данных позволило увеличить объем продаж на 3 млрд. рублей при сравнительно небольших затратах – 150 млн., в том числе и на онлайн-рекламу. Весь оборот компании в прошлом году превысил 40 млрд. рублей. Эти результаты, по мнению руководителя отдела стратегического анализа и сценарного планирования Николая Валиотти, были достигнуты благодаря тому, что руководство «Юлмарта» в процессе управления компанией опирается на анализ данных.
Технологии больших данных позволяют оценить фактические последствия тех или иных управленческих решений, говорит Валиотти. «Принимать сегодня большинство решений, полагаясь на интуицию, просто невозможно, иначе конкурентная среда очень быстро «съест». В электронной торговле это точно так. Мы уже видим, что несколько игроков, которые не справились с нагрузкой, ушли с рынка», – рассказал эксперт.
Источники данных интернет-магазина
Источник: «Юлмарт», 2014
В отличие от классического ритейла, анализирующего только данные транзакций, в электронной коммерции есть возможность также изучать поведение клиентов, предшествующее покупкам, в том числе и по данным из внешних источников. Это помогает делать «правильный мерчандайзинг» – корректировать расположение товаров в интернет-витрине – и делать персонализированные рекомендации пользователям сайта. Валиотти считает показательным пример компании Amazon, в которой 35% продаж производится благодаря рекомендациям, предложенным системой, анализирующей большие данные о пользователях.
Разные данные
Маленькие данные (small data), быстрые данные (fast data), большие данные (big data) – по сути, одного поля ягоды. Одни эксперты считают, что идея новых технологий состоит в том, чтобы делать из больших данных маленькие. Другие во главу угла ставят высокую скорость получения данных.
Евгений Буслов: Удобнее всего классифицировать данные по типу их сбора
Евгений Буслов, руководитель направления компании «Петер-Сервис», рассказал о существующих сценариях монетизации больших данных и необходимых для этого условиях.
CNews: Какие сценарии монетизации больших данных наиболее востребованы сегодня в России?
Евгений Буслов: Существует два способа монетизации данных: в собственных интересах и в интересах третьей стороны. Бизнесу, который желает этим заняться, важно понять, какие данные имеются в его распоряжении и насколько трудно получить к ним доступ.
