Большие данные превратились из модной технологии в товар повседневного спроса
Большие данные как тренд и перспективная развивающаяся технология перестали существовать. Они превратились в часть повседневного процесса оптимизации работы компаний, тесно связанного с интернетом вещей, носимой электроникой, мобильными устройствами. Успех проекта зависит от понимания того, как планируется использовать результаты обработки данных и какую выгоду это принесет. На первое место выходят способы обработки неструктурированных данных, вопросы стандартизации и межотраслевого взаимодействия. Реализация закрытых проектов внутри отдельно взятого предприятия малоэффективна по сравнению с возможностями, которые открывает обмен информацией.
Денис Афанасьев: Большие данные – это не только технологии, но и машинное обучение и различные предиктивные модели
О применении больших данных в различных отраслях и возможностях, которые они предоставляют, участникам CNews Forum 2016 рассказал Денис Афанасьев, генеральный директор компании CleverDATA (группа «Ланит»).
CNews: Для каких отраслей большие данные уже стали повседневной работой, а какие только приходят к этой теме?
Денис Афанасьев: Подходы, связанные с большими данными, сложной математикой и предиктивной аналитикой, можно применять в госсекторе и наукоемких отраслях. Коммерческие компании, с которыми мы в основном работаем, используют большие данные при анализе рисков. Поскольку большие данные – это не только технологии, но и машинное обучение и различные предиктивные модели.
С их помощью можно анализировать риски, связанные с кредитованием заемщиков на рынке b2c, инвестиционные и банковские риски. Большие данные используются в сфере продаж и маркетинга, причем если раньше аналитикой пользовались преимущественно компании, работающие на рынке b2c, то сейчас подтягивается b2b. Отдельно можно выделить HR-скоринг – применение больших данных в поиске и найме людей, управление человеческими ресурсами. Методика применения больших данных здесь очень похожа на то, как данные используются в маркетинге и сфере продаж. Например, маркетинг интересует такой показатель, как отток клиентов, а HR – уход сотрудников. Это очень похожие задачи, равно как и их решения.
CNews: На какой стадии работы с большими данными заказчики обращаются в CleverDATA: с нуля или когда уже есть какие-то наработки или трудности в реализации самостоятельных проектов?
Денис Афанасьев: Большинство заказчиков обращаются с нуля, поскольку у многих из них только созрело желание применить эти подходы к работе. В основном проекты, которые сегодня реализовываются на рынке, – это первые внедрения. Даже если это уже большие проекты в производстве, все равно они выполняются в первый раз. У нас было несколько обращений: заказчик развернул инфраструктуру, и ему нужна была консультация и помощь в организации процесса.
CNews: Один из продуктов CleverDATA – Data Marketing Cloud – обогащает систему принятия решений внешними данными. Можете рассказать о них подробнее – что это за данные, откуда и как используются в системе?
Денис Афанасьев: Наш продукт предназначен для компаний, готовых поделиться друг с другом знаниями. Именно знаниями, а не данными, которые являются охраняемой законом информацией. Другое дело – выводы, сделанные на основе данных. Это продукт, который может быть востребован другой компанией для принятия решений в маркетинговых целях: что предложить клиенту, какой канал коммуникации использовать, какой рекламный баннер ему показывать.
«Облачное» решение Data Marketing Cloud предполагает высокоуровневый обмен информацией. Это рынок, а не агрегатор: здесь сотрудничают компании, предлагающие знания и покупающие их. Мы обеспечиваем только техническую сторону вопроса доставки приобретенных знаний, согласование поставки – сфера ответственности клиентов.
CNews: Через какой период начинают окупаться вложения в проекты анализа данных, в частности, в 1DMP и 1DMC?
Денис Афанасьев: Платформа 1DMC – облачная площадка, позволяющая обмениваться данными в рамках построения предиктивных моделей. Пользоваться 1DMC просто: компания приобретает образец данных, тестирует его и, если он обеспечивает прирост аналитических моделей, организовывает постоянную закупку. При этом можно сразу оценить объем прироста и дополнительный доход, который можно получить при использовании данных.
1DMP – более сложный продукт, предназначенный для компаний, у которых есть техническая возможность для работы с данными. С одной стороны, активность компаний по разработке разных аналитических моделей высока, с другой – необходима среда для размещения моделей, сбора данных, их чистки, подготовки и использования. Эти функции выполняет продукт 1DMP, но его необходимо интегрировать в систему заказчика, из которой берутся исходные данные. Окупаемость проекта по внедрению 1DMP не превышает полугода. На этот показатель мы обычно ориентируем клиентов при расчете экономического обоснования проекта. Практика показывает верность этого расчета.
