Narima kawas data: kumaha usaha diajar untung tina data badag

Ku analisa data badag, pausahaan diajar uncover pola disumputkeun, ngaronjatkeun kinerja bisnis maranéhanana. Arah anu modis, tapi henteu sadayana tiasa nyandak kauntungan tina data ageung kusabab kurangna budaya damel sareng aranjeunna

"Beuki umum ngaran hiji jalma, beuki kamungkinan aranjeunna mayar on time. Beuki lantai imah anjeun, beuki statistik anjeun peminjam hadé. Tanda zodiak ampir teu aya pangaruhna kana kamungkinan ngabalikeun duit, tapi psikotipe sacara signifikan, ”saur Stanislav Duzhinsky, analis di Home Credit Bank, ngeunaan pola anu teu kaduga dina paripolah peminjam. Anjeunna henteu ngalakukeun pikeun ngajelaskeun seueur pola ieu - aranjeunna diungkabkeun ku intelijen buatan, anu ngolah rébuan profil palanggan.

Ieu mangrupikeun kakuatan analitik data gedé: ku nganalisa sajumlah ageung data anu henteu terstruktur, program éta tiasa mendakan seueur korélasi anu teu dipikanyaho ku analis manusa anu paling wijaksana. Sakur perusahaan ngagaduhan jumlah data anu henteu terstruktur (data ageung) - ngeunaan karyawan, palanggan, mitra, pesaing, anu tiasa dianggo pikeun kauntungan bisnis: ningkatkeun pangaruh promosi, ngahontal pertumbuhan penjualan, ngirangan omzet staf, jsb.

Anu pangheulana damel sareng data ageung nyaéta perusahaan téknologi sareng telekomunikasi ageung, lembaga keuangan sareng ritel, komentar Rafail Miftakhov, diréktur Deloitte Technology Integration Group, CIS. Ayeuna aya minat solusi sapertos di seueur industri. Naon anu dihontal ku perusahaan? Na naha analisis data badag salawasna ngakibatkeun conclusions berharga?

Bank nganggo algoritma data gedé utamina pikeun ningkatkeun pangalaman palanggan sareng ngaoptimalkeun biaya, ogé pikeun ngatur résiko sareng merangan panipuan. "Dina taun anyar, revolusi nyata geus lumangsung dina widang analisis data badag," nyebutkeun Duzhinsky. "Pamakéan pembelajaran mesin ngamungkinkeun urang pikeun ngaduga kamungkinan injeuman standar leuwih akurat - delinquency di bank urang ngan 3,9%. Pikeun babandingan, ti 1 Januari 2019, pangsa pinjaman kalayan pembayaran anu telat salami 90 dinten pikeun pinjaman anu dikaluarkeun ka individu nyaéta, numutkeun Bank Séntral, 5%.

Malah organisasi microfinance anu puzzled ku ulikan ngeunaan data badag. "Nyadiakeun jasa finansial tanpa analisa data badag kiwari téh kawas ngalakukeun math tanpa angka," nyebutkeun Andrey Ponomarev, CEO Webbankir, hiji platform lending online. "Kami ngaluarkeun artos online tanpa ningali klien atanapi pasporna, sareng teu sapertos pinjaman tradisional, urang henteu ngan ukur kedah meunteun solvency hiji jalma, tapi ogé ngaidentipikasi kapribadianna."

Ayeuna database perusahaan nyimpen inpormasi ngeunaan langkung ti 500 rébu konsumén. Unggal aplikasi anyar dianalisis ku data ieu ngeunaan 800 parameter. program nu nyokot kana akun teu ukur gender, umur, status kakawinan jeung sajarah kiridit, tapi ogé alat ti mana hiji jalma diasupkeun platform, kumaha anjeunna behaved dina loka. Contona, bisa jadi pikahariwangeun yén calon peminjam henteu nganggo kalkulator injeuman atanapi henteu naroskeun ngeunaan syarat-syarat pinjaman. "Kacuali sababaraha faktor eureun - sebutkeun, kami henteu ngaluarkeun pinjaman ka jalma sahandapeun 19 taun - teu aya parameter ieu nyalira mangrupikeun alesan pikeun nolak atanapi satuju ngaluarkeun pinjaman," jelas Ponomarev. Éta kombinasi faktor anu penting. Dina 95% kasus, kaputusan dijieun otomatis, tanpa partisipasi spesialis ti departemén underwriting.

Analisis data badag ngamungkinkeun urang pikeun diturunkeun pola metot, dibagikeun Ponomarev. Salaku conto, pangguna iPhone tétéla janten peminjam anu langkung disiplin tibatan anu gaduh alat Android - anu baheula nampi persetujuan aplikasi 1,7 kali langkung sering. "Kanyataan yén tanaga militér henteu mayar deui pinjaman ampir saparapat kirang sering tibatan rata-rata peminjam sanés kejutan," saur Ponomarev. "Tapi mahasiswa biasana henteu dipiharep wajib, tapi samentawis éta, kasus ingkar kiridit 10% kirang umum tibatan rata-rata dasarna."

Ulikan ngeunaan data badag ngamungkinkeun nyetak pikeun insurers ogé. Diadegkeun dina taun 2016, BEI kalibet dina idéntifikasi jauh sareng verifikasi dokumén online. Ladenan ieu di paménta diantara insurers angkutan barang anu kabetot dina leungitna barang saeutik-gancang. Saméméh nanggungkeun kaasuransi angkutan barang, insurer, kalawan idin ti supir, mariksa reliabilitas, ngajelaskeun Jan Sloka, diréktur komérsial BEI. Babarengan pasangan - pausahaan St Petersburg "Risk Control" - IDX geus ngembangkeun hiji layanan nu ngidinan Anjeun pikeun pariksa identitas supir, data paspor jeung hak, partisipasi dina insiden patali leungitna kargo, jsb Saatos analisa. database drivers, pausahaan ngaidentipikasi hiji "grup résiko": paling sering, kargo leungit diantara drivers yuswa 30-40 taun kalayan pangalaman nyetir panjang, anu geus mindeng robah jobs anyar. Éta ogé tétéla yén kargo paling sering dipaling ku drivers mobil, hirup layanan nu ngaleuwihan dalapan taun.

Retailers boga tugas béda - pikeun ngaidentipikasi konsumén anu siap nyieun beuli a, sarta nangtukeun cara paling éféktif pikeun mawa aranjeunna ka loka atawa toko. Pikeun tujuan ieu, program nganalisis profil konsumén, data tina akun pribadi maranéhanana, sajarah purchases, queries pilarian sarta pamakéan titik bonus, eusi baskets éléktronik anu aranjeunna mimiti ngeusian sarta ditinggalkeun. Data analytics ngidinan Anjeun pikeun bagean sakabéh database na ngaidentipikasi grup tina pembeli poténsi anu bisa jadi kabetot dina tawaran husus, nyebutkeun Kirill Ivanov, diréktur kantor data grup M.Video-Eldorado.

Salaku conto, program ngaidentipikasi grup palanggan, anu masing-masing resep alat pamasaran anu béda - pinjaman tanpa bunga, cashback, atanapi kode promo diskon. Pembeli ieu nampi buletin email sareng promosi anu saluyu. Kamungkinan yén hiji jalma, sanggeus muka surat, bakal buka ramatloka parusahaan, dina hal ieu ngaronjatkeun nyata, catetan Ivanov.

Analisis data ogé ngamungkinkeun anjeun ningkatkeun penjualan produk sareng asesoris anu aya hubunganana. Sistem, anu parantos ngolah sajarah pesenan para nasabah anu sanés, masihan saran ka pembeli ngeunaan naon anu kedah dipésér sareng produk anu dipilih. Nguji métode gawé ieu, nurutkeun Ivanov, némbongkeun paningkatan dina jumlah pesenan jeung asesoris ku 12% sarta paningkatan dina elehan asesoris ku 15%.

Pangecér sanés ngan ukur anu narékahan pikeun ningkatkeun kualitas jasa sareng ningkatkeun penjualan. Usum panas kamari, MegaFon ngaluncurkeun layanan tawaran "pinter" dumasar kana ngolah data tina jutaan palanggan. Sanggeus diajar paripolah maranéhanana, kecerdasan jieunan geus diajar pikeun ngabentuk nawaran pribadi pikeun tiap klien dina tariffs. Salaku conto, upami program éta nyatakeun yén jalma aktip ningali pidéo dina alatna, jasa éta bakal nawiskeun anjeunna ngalegaan jumlah lalu lintas sélulér. Ningali karesep pangguna, perusahaan nyayogikeun palanggan sareng lalu lintas anu henteu terbatas pikeun jinis karesep Internét - contona, nganggo utusan instan atanapi ngadangukeun musik dina jasa streaming, ngobrol dina jaringan sosial atanapi ningali acara TV.

"Kami nganalisis paripolah palanggan sareng ngartos kumaha kapentinganna robih," jelas Vitaly Shcherbakov, diréktur analytics data gedé di MegaFon. "Contona, taun ieu, lalu lintas AliExpress parantos ningkat 1,5 kali dibandingkeun taun ka tukang, sareng sacara umum, jumlah kunjungan ka toko baju online naék: 1,2-2 kali, gumantung kana sumber daya khusus."

Conto sejen tina karya operator kalawan data badag nyaéta platform MegaFon Poisk pikeun néangan leungit barudak boh déwasa. Sistem nganalisa jalma-jalma mana anu caket tempat jalma anu leungit, sareng ngirimkeun inpormasi kalayan poto sareng tanda-tanda jalma anu leungit. Operator ngembangkeun sareng nguji sistem sareng Departemen Dalam Negeri sareng organisasi Lisa Siaga: dina dua menit orientasi ka jalma anu leungit, langkung ti 2 rébu palanggan nampi, anu sacara signifikan ningkatkeun kamungkinan hasil pamilarian anu suksés.

Analisis data ageung ogé mendakan aplikasi dina industri. Di dieu ngamungkinkeun anjeun ngaramalkeun paménta sareng ngarencanakeun penjualan. Janten, dina grup perusahaan Cherkizovo, tilu taun ka pengker, solusi dumasar kana SAP BW dilaksanakeun, anu ngamungkinkeun anjeun pikeun nyimpen sareng ngolah sadaya inpormasi penjualan: harga, rupa-rupa, volume produk, promosi, saluran distribusi, saur Vladislav Belyaev, CIO. ti grup "Cherkizovo. Analisis akumulasi 2 TB inpormasi henteu ngan ukur ngamungkinkeun sacara efektif ngabentuk campuran sareng ngaoptimalkeun portopolio produk, tapi ogé ngagampangkeun pagawéan karyawan. Contona, Nyiapkeun laporan jualan poean bakal merlukeun gawé sapoé loba analis - dua pikeun tiap bagean produk. Ayeuna laporan ieu disiapkeun ku robot, méakkeun ngan 30 menit dina sakabéh bagéan.

"Dina industri, data badag jalan éféktif ditéang jeung Internet mahluk," nyebutkeun Stanislav Meshkov, CEO Umbrella IT. "Dumasar kana analisa data tina sénsor anu dilengkepan ku alat, mungkin waé pikeun ngaidentipikasi panyimpangan dina operasina sareng nyegah karusakan, sareng ngaduga kinerja."

Dina Severstal, kalayan bantuan data badag, aranjeunna ogé nyobian pikeun ngajawab tugas rada non-trivial - contona, pikeun ngurangan ongkos tatu. Taun 2019, perusahaan nyayogikeun kira-kira RUB 1,1 milyar pikeun ukuran pikeun ningkatkeun kasalametan tenaga kerja. Severstal ngarepkeun ngirangan tingkat tatu ku 2025% ku 50 (dibandingkeun sareng 2017). "Upami manajer garis - mandor, manajer situs, manajer toko - perhatikeun yén karyawan ngalaksanakeun operasi anu henteu aman (henteu tahan kana rel nalika naék tangga di situs industri atanapi henteu ngagem sadaya alat pelindung pribadi), anjeunna nyerat. catetan husus ka anjeunna - PAB (tina "Inok kaamanan behavioral")," nyebutkeun Boris Voskresensky, kapala departemén analisis data parusahaan.

Saatos analisa data ngeunaan jumlah PAB di salah sahiji divisi, spesialis perusahaan mendakan yén aturan kasalametan paling sering dilanggar ku jalma-jalma anu parantos ngagaduhan sababaraha koméntar sateuacanna, kitu ogé ku anu cuti sakit atanapi liburan sakedap. kajadian. Pelanggaran dina minggu kahiji sanggeus balik ti liburan atawa cuti gering éta dua kali leuwih luhur ti dina periode saterusna: 1 versus 0,55%. Tapi gawe dina shift wengi, sakumaha tétéla, teu mangaruhan statistik PABs.

Nyiptakeun algoritma pikeun ngolah data ageung sanés bagian anu paling hese dina padamelan, saur wakil perusahaan. Éta langkung hese ngartos kumaha téknologi ieu tiasa diterapkeun dina kontéks unggal usaha khusus. Ieu dimana keuneung Achilles 'analis perusahaan komo panyadia éksternal perenahna, nu, sigana, geus akumulasi kaahlian dina widang data badag.

"Kuring mindeng patepung analis data badag anu éta matematikawan unggulan, tapi teu boga pamahaman diperlukeun prosés bisnis," nyebutkeun Sergey Kotik, diréktur ngembangkeun di GoodsForecast. Anjeunna emut kumaha dua taun ka pengker perusahaanna ngagaduhan kasempetan pikeun ilubiung dina kompetisi ramalan paménta pikeun ranté ritel féderal. Wewengkon pilot dipilih, pikeun sadaya barang sareng toko anu para peserta ngadamel ramalan. Ramalan ieu lajeng dibandingkeun jeung jualan sabenerna. Tempat munggaran dicandak ku salah sahiji raksasa Internet Rusia, dipikawanoh pikeun kaahlian dina learning mesin jeung analisis data: dina ramalan na, éta némbongkeun simpangan minimal tina jualan sabenerna.

Tapi nalika jaringan mimiti diajar ramalan na di leuwih jéntré, tétéla yén tina sudut pandang bisnis, aranjeunna kacida unacceptable. Pausahaan ngenalkeun modél anu ngahasilkeun rencana penjualan kalayan pernyataan anu sistematis. Program éta terang kumaha ngaminimalkeun kamungkinan kasalahan dina ramalan: langkung aman pikeun nganggap remeh penjualan, sabab kasalahan maksimal tiasa 100% (teu aya penjualan négatip), tapi dina arah overforecasting, éta tiasa sawenang-wenang ageung, Kotik ngajelaskeun. Dina basa sejen, pausahaan dibere model matematik idéal, nu dina kaayaan nyata bakal ngakibatkeun toko satengah kosong sarta karugian badag tina undersales. Hasilna, pausahaan séjén meunang kompetisi, anu itungan bisa nempatkeun kana prakték.

Téknologi data ageung relevan pikeun seueur industri, tapi palaksanaan aktipna henteu lumangsung di mana waé, catetan Meshkov. Salaku conto, dina kasehatan aya masalah sareng panyimpen data: seueur inpormasi anu akumulasi sareng diropéa rutin, tapi sabagéan ageung data ieu henteu acan didigitalkeun. Aya ogé loba data dina instansi pamaréntah, tapi maranéhna teu digabungkeun kana klaster umum. Ngembangkeun platform inpormasi anu ngahijikeun Sistem Manajemén Data Nasional (NCMS) ditujukeun pikeun ngarengsekeun masalah ieu, saur ahli.

Nanging, nagara urang jauh tina hiji-hijina nagara dimana dina kalolobaan organisasi kaputusan penting dilakukeun dina dasar intuisi, sanés analisa data gedé. Dina April taun ka tukang, Deloitte ngalaksanakeun survéy diantara leuwih ti sarébu pamimpin pausahaan Amérika badag (kalawan staf 500 atawa leuwih) jeung kapanggih yén 63% jalma surveyed akrab jeung téknologi data badag, tapi teu boga sagala diperlukeun. infrastruktur pikeun ngagunakeun aranjeunna. Samentawis éta, diantara 37% perusahaan anu ngagaduhan tingkat kematangan analitis anu luhur, ampir satengahna parantos ngaleuwihan tujuan bisnis dina 12 sasih katukang.

Panaliti ngungkabkeun yén salian kasusah ngalaksanakeun solusi téknis énggal, masalah anu penting dina perusahaan nyaéta kurangna budaya gawé bareng data. Anjeun teu kedah ngarepkeun hasil anu saé upami tanggung jawab pikeun kaputusan anu dilakukeun dina dasar data ageung ditugaskeun ngan ka analis perusahaan, sareng henteu ka sadayana perusahaan sacara gembleng. "Ayeuna perusahaan milarian kasus panggunaan anu pikaresepeun pikeun data ageung," saur Miftakhov. "Dina waktos anu sami, palaksanaan sababaraha skénario ngabutuhkeun investasi dina sistem pikeun ngumpulkeun, ngolah sareng kadali kualitas data tambahan anu henteu acan dianalisis sateuacana." Alas, "analytics teu acan olahraga tim," pangarang ulikan ngaku.