Aanvaar soos data: hoe besighede leer om voordeel te trek uit groot data

Deur groot data te ontleed, leer maatskappye om verborge patrone te ontbloot, wat hul besigheidsprestasie verbeter. Die rigting is modieus, maar nie almal kan baat vind by groot data nie weens die gebrek aan 'n kultuur om met hulle te werk

“Hoe meer algemeen 'n persoon se naam is, hoe groter is die kans dat hulle betyds sal betaal. Hoe meer vloere jou huis het, hoe meer statisties is jy 'n beter lener. Die teken van die zodiac het byna geen effek op die waarskynlikheid van 'n terugbetaling nie, maar die psigotipe doen dit aansienlik, ”sê Stanislav Duzhinsky, 'n ontleder by Home Credit Bank, oor onverwagte patrone in die gedrag van leners. Hy onderneem nie om baie van hierdie patrone te verduidelik nie – dit is onthul deur kunsmatige intelligensie, wat duisende klanteprofiele verwerk het.

Dit is die krag van grootdata-analise: deur 'n groot hoeveelheid ongestruktureerde data te ontleed, kan die program baie korrelasies ontdek waarvan die wysste menslike ontleder nie eens weet nie. Enige maatskappy het 'n groot hoeveelheid ongestruktureerde data (groot data) – oor werknemers, klante, vennote, mededingers, wat tot sakevoordeel gebruik kan word: verbeter die effek van promosies, bereik verkoopsgroei, verminder personeelomset, ens.

Die eerste wat met groot data gewerk het, was groot tegnologie- en telekommunikasiemaatskappye, finansiële instellings en kleinhandel, sê Rafail Miftakhov, direkteur van die Deloitte Technology Integration Group, CIS. Nou is daar belangstelling in sulke oplossings in baie industrieë. Wat het maatskappye bereik? En lei grootdata-analise altyd tot waardevolle gevolgtrekkings?

Banke gebruik grootdata-algoritmes hoofsaaklik om klante-ervaring te verbeter en koste te optimaliseer, asook om risiko te bestuur en bedrog te bekamp. "In onlangse jare het 'n ware rewolusie plaasgevind op die gebied van grootdata-analise," sê Duzhinsky. “Die gebruik van masjienleer stel ons in staat om die waarskynlikheid van wanbetaling van lenings baie meer akkuraat te voorspel – misdadigheid in ons bank is slegs 3,9%.” Ter vergelyking, vanaf 1 Januarie 2019 was die aandeel van lenings met agterstallige betalings oor 90 dae op lenings wat aan individue uitgereik is, volgens die Sentrale Bank, 5%.

Selfs mikrofinansieringsorganisasies is verbaas oor die studie van groot data. "Om vandag finansiële dienste te verskaf sonder om groot data te ontleed, is soos om wiskunde sonder syfers te doen," sê Andrey Ponomarev, uitvoerende hoof van Webbankir, 'n aanlyn-leenplatform. "Ons reik geld aanlyn uit sonder om die kliënt of sy paspoort te sien, en anders as tradisionele lenings, moet ons nie net die solvensie van 'n persoon assesseer nie, maar ook sy persoonlikheid identifiseer."

Nou stoor die maatskappy se databasis inligting oor meer as 500 duisend kliënte. Elke nuwe toepassing word met hierdie data in ongeveer 800 parameters ontleed. Die program neem nie net geslag, ouderdom, huwelikstatus en kredietgeskiedenis in ag nie, maar ook die toestel vanwaar 'n persoon die platform betree het, hoe hy op die webwerf gedra het. Dit kan byvoorbeeld kommerwekkend wees dat 'n potensiële lener nie 'n leningsakrekenaar gebruik het nie of nie navraag gedoen het oor die bepalings van 'n lening nie. "Met die uitsondering van 'n paar stopfaktore - sê, ons reik nie lenings aan persone onder 19 jaar uit nie - nie een van hierdie parameters op sigself is 'n rede om te weier of in te stem om 'n lening uit te reik nie," verduidelik Ponomarev. Dit is die kombinasie van faktore wat saak maak. In 95% van gevalle word die besluit outomaties geneem, sonder die deelname van spesialiste van die onderskrywingsafdeling.

Grootdata-analise stel ons in staat om interessante patrone af te lei, deel Ponomarev. iPhone-gebruikers het byvoorbeeld geblyk meer gedissiplineerde leners te wees as eienaars van Android-toestelle – eersgenoemde ontvang 1,7 keer meer gereeld goedkeuring van toepassings. "Die feit dat militêre personeel nie lenings byna 'n kwart minder gereeld as die gemiddelde lener terugbetaal nie, was nie 'n verrassing nie," sê Ponomarev. “Maar daar word gewoonlik nie van studente verwag om verplig te word nie, maar intussen is gevalle van kredietwanbetalings 10% minder algemeen as die gemiddelde vir die basis.”

Die studie van groot data laat ook telling vir versekeraars toe. IDX, wat in 2016 gestig is, is besig met afstandsidentifikasie en aanlynverifikasie van dokumente. Hierdie dienste is in aanvraag onder vragversekeraars wat belangstel in die verlies van goedere so min as moontlik. Voordat hy die vervoer van goedere verseker, gaan die versekeraar, met die toestemming van die bestuurder, na vir betroubaarheid, verduidelik Jan Sloka, kommersiële direkteur van IDX. Saam met 'n vennoot – die St. Petersburg-maatskappy “Risk Control” – het IDX 'n diens ontwikkel wat jou toelaat om die identiteit van die bestuurder, paspoortdata en regte, deelname aan insidente wat verband hou met die verlies van vrag, ens. Na ontleding na te gaan. die databasis van bestuurders, het die maatskappy 'n "risikogroep" geïdentifiseer: vrag gaan meestal verlore onder bestuurders tussen die ouderdomme van 30–40 jaar met 'n lang bestuurservaring, wat dikwels onlangs van werk verander het. Dit het ook geblyk dat die vrag meestal gesteel word deur bestuurders van motors, waarvan die lewensduur agt jaar oorskry.

Kleinhandelaars het 'n ander taak - om kliënte te identifiseer wat gereed is om 'n aankoop te doen, en die doeltreffendste maniere te bepaal om hulle na die webwerf of winkel te bring. Vir hierdie doel ontleed die programme die profiel van kliënte, data van hul persoonlike rekening, die geskiedenis van aankope, soeknavrae en die gebruik van bonuspunte, die inhoud van elektroniese mandjies wat hulle begin invul en laat vaar het. Data-analise laat jou toe om die hele databasis te segmenteer en groepe potensiële kopers te identifiseer wat dalk in ’n spesifieke aanbod belangstel, sê Kirill Ivanov, direkteur van die datakantoor van die M.Video-Eldorado-groep.

Die program identifiseer byvoorbeeld groepe kliënte, wat elkeen van verskillende bemarkingsinstrumente hou – 'n rentevrye lening, terugbetaling of 'n afslagpromosiekode. Hierdie kopers ontvang 'n e-pos nuusbrief met die ooreenstemmende promosie. Die waarskynlikheid dat 'n persoon, nadat hy die brief oopgemaak het, na die maatskappy se webwerf sal gaan, neem in hierdie geval aansienlik toe, merk Ivanov op.

Data-analise laat jou ook toe om verkope van verwante produkte en bykomstighede te verhoog. Die stelsel, wat die bestelgeskiedenis van ander klante verwerk het, gee die koper aanbevelings oor wat om saam met die gekose produk te koop. Toetsing van hierdie werksmetode het volgens Ivanov 'n toename in die aantal bestellings met bykomstighede met 12% en 'n toename in die omset van bykomstighede met 15% getoon.

Kleinhandelaars is nie die enigste wat daarna streef om die kwaliteit van diens te verbeter en verkope te verhoog nie. Verlede somer het MegaFon 'n "slim" aanboddiens bekendgestel wat gebaseer is op die verwerking van data van miljoene intekenare. Nadat hulle hul gedrag bestudeer het, het kunsmatige intelligensie geleer om persoonlike aanbiedings vir elke kliënt binne die tariewe te vorm. Byvoorbeeld, as die program opmerk dat 'n persoon aktief na video op sy toestel kyk, sal die diens hom aanbied om die hoeveelheid mobiele verkeer uit te brei. Met inagneming van die voorkeure van gebruikers, bied die maatskappy aan intekenare onbeperkte verkeer vir hul gunsteling tipes internetontspanning – byvoorbeeld deur kitsboodskappe te gebruik of na musiek op stromingsdienste te luister, op sosiale netwerke te klets of TV-programme te kyk.

"Ons ontleed die gedrag van intekenare en verstaan ​​hoe hul belangstellings verander," verduidelik Vitaly Shcherbakov, direkteur van grootdata-analise by MegaFon. “Byvoorbeeld, hierdie jaar het AliExpress-verkeer 1,5 keer gegroei vergeleke met verlede jaar, en oor die algemeen groei die aantal besoeke aan aanlynklerewinkels: 1,2–2 keer, afhangend van die spesifieke hulpbron.”

Nog 'n voorbeeld van die werk van 'n operateur met groot data is die MegaFon Poisk-platform om na vermiste kinders en volwassenes te soek. Die stelsel ontleed watter mense naby die plek van die vermiste persoon kan wees, en stuur vir hulle inligting met 'n foto en tekens van die vermiste persoon. Die operateur het die stelsel ontwikkel en getoets saam met die Ministerie van Binnelandse Sake en die Lisa Alert-organisasie: binne twee minute na oriëntering aan die vermiste persoon ontvang meer as 2 duisend intekenare, wat die kanse op 'n suksesvolle soekresultaat aansienlik verhoog.

Groot data-analise het ook toepassing gevind in die industrie. Hier laat dit jou toe om vraag te voorspel en verkope te beplan. Dus, in die Cherkizovo-groep van maatskappye, drie jaar gelede, is 'n oplossing gebaseer op SAP BW geïmplementeer, wat jou toelaat om alle verkoopsinligting te stoor en te verwerk: pryse, assortiment, produkvolumes, promosies, verspreidingskanale, sê Vladislav Belyaev, CIO van die groep "Cherkizovo. Die ontleding van die opgehoopte 2 TB inligting het dit nie net moontlik gemaak om die assortiment effektief te vorm en die produkportefeulje te optimaliseer nie, maar het ook die werk van werknemers vergemaklik. Byvoorbeeld, die voorbereiding van 'n daaglikse verkoopsverslag sal 'n dag se werk van baie ontleders verg – twee vir elke produksegment. Nou word hierdie verslag deur die robot voorberei, wat slegs 30 minute aan alle segmente spandeer.

"In die industrie werk groot data effektief saam met die internet van dinge," sê Stanislav Meshkov, uitvoerende hoof van Umbrella IT. "Gegrond op die ontleding van data van die sensors waarmee die toerusting toegerus is, is dit moontlik om afwykings in die werking daarvan te identifiseer en onderbrekings te voorkom, en prestasie te voorspel."

In Severstal probeer hulle ook met behulp van groot data om taamlik nie-onbeduidende take op te los – byvoorbeeld om beseringskoerse te verminder. In 2019 het die maatskappy sowat RUB 1,1 miljard bewillig vir maatreëls om arbeidsveiligheid te verbeter. Severstal verwag om die beseringskoers met 2025% met 50 te verminder (vergeleke met 2017). “As ’n lynbestuurder – voorman, terreinbestuurder, winkelbestuurder – opgemerk het dat ’n werknemer sekere bedrywighede onveilig uitvoer (nie aan die leunings vashou wanneer hy trappe klim by die industriële terrein nie of nie alle persoonlike beskermende toerusting dra nie), skryf hy uit ’n spesiale nota aan hom – PAB (van “gedragsekuriteitsoudit”),” sê Boris Voskresensky, hoof van die maatskappy se data-ontledingsafdeling.

Nadat data oor die aantal PAB'e in een van die afdelings ontleed is, het die maatskappy se spesialiste bevind dat veiligheidsreëls meestal oortree word deur diegene wat reeds voorheen verskeie opmerkings gehad het, sowel as deur diegene wat kort tevore met siekverlof of vakansie was. die voorval. Oortredings in die eerste week ná terugkeer van vakansie of siekverlof was twee keer so hoog as in die daaropvolgende tydperk: 1 teenoor 0,55%. Maar om op die nagskof te werk, soos dit geblyk het, beïnvloed nie die statistieke van PAB's nie.

Die skep van algoritmes vir die verwerking van groot data is nie die moeilikste deel van die werk nie, sê maatskappyverteenwoordigers. Dit is baie moeiliker om te verstaan ​​hoe hierdie tegnologieë toegepas kan word in die konteks van elke spesifieke besigheid. Dit is waar die Achilleshiel van maatskappy-ontleders en selfs eksterne verskaffers lê, wat, dit wil voorkom, kundigheid op die gebied van groot data opgedoen het.

"Ek het dikwels grootdata-ontleders ontmoet wat uitstekende wiskundiges was, maar nie die nodige begrip van besigheidsprosesse gehad het nie," sê Sergey Kotik, direkteur van ontwikkeling by GoodsForecast. Hy onthou hoe sy maatskappy twee jaar gelede die geleentheid gehad het om deel te neem aan 'n vraagvoorspellingskompetisie vir 'n federale kleinhandelketting. 'n Loodsstreek is gekies, vir alle goedere en winkels waarvan die deelnemers voorspellings gemaak het. Die voorspellings is toe met werklike verkope vergelyk. Die eerste plek is ingeneem deur een van die Russiese internetreuse, bekend vir sy kundigheid in masjienleer en data-analise: in sy voorspellings het dit 'n minimale afwyking van werklike verkope getoon.

Maar toe die netwerk begin om sy voorspellings in meer besonderhede te bestudeer, het dit geblyk dat dit uit 'n besigheidsoogpunt absoluut onaanvaarbaar is. Die maatskappy het 'n model bekendgestel wat verkoopsplanne met 'n sistematiese onderskatting opgelewer het. Die program het uitgevind hoe om die waarskynlikheid van foute in voorspellings te verminder: dit is veiliger om verkope te onderskat, aangesien die maksimum fout 100% kan wees (daar is geen negatiewe verkope nie), maar in die rigting van oorvoorspelling kan dit arbitrêr groot wees, Kotik verduidelik. Met ander woorde, die maatskappy het 'n ideale wiskundige model aangebied, wat in werklike toestande tot halfleë winkels en groot verliese as gevolg van onderverkope sou lei. Gevolglik het 'n ander maatskappy die kompetisie gewen, wie se berekeninge in die praktyk toegepas kon word.

Grootdatategnologieë is relevant vir baie nywerhede, maar die aktiewe implementering daarvan vind nie oral plaas nie, merk Meshkov op. In gesondheidsorg is daar byvoorbeeld 'n probleem met databerging: baie inligting is opgehoop en dit word gereeld bygewerk, maar hierdie data is meestal nog nie gedigitaliseer nie. Daar is ook baie data in regeringsinstansies, maar dit word nie in 'n gemeenskaplike groepering gekombineer nie. Die ontwikkeling van 'n verenigde inligtingsplatform van die Nasionale Databestuurstelsel (NCMS) is daarop gemik om hierdie probleem op te los, sê die kenner.

Ons land is egter ver van die enigste land waar in die meeste organisasies belangrike besluite geneem word op grond van intuïsie, en nie die ontleding van groot data nie. In April verlede jaar het Deloitte 'n opname gedoen onder meer as 'n duisend leiers van groot Amerikaanse maatskappye (met 'n personeel van 500 of meer) en gevind dat 63% van die ondervra is vertroud is met groot data-tegnologie, maar nie al die nodige infrastruktuur om dit te gebruik. Intussen, onder die 37% van maatskappye met 'n hoë vlak van analitiese volwassenheid, het byna die helfte besigheidsdoelwitte die afgelope 12 maande aansienlik oorskry.

Die studie het aan die lig gebring dat benewens die moeilikheid om nuwe tegniese oplossings te implementeer, 'n belangrike probleem in maatskappye die gebrek aan 'n kultuur van werk met data is. Jy moet nie goeie resultate verwag as die verantwoordelikheid vir besluite wat op grond van groot data geneem word, slegs aan die ontleders van die maatskappy opgedra word, en nie aan die hele maatskappy as geheel nie. "Nou soek maatskappye interessante gebruiksgevalle vir groot data," sê Miftakhov. "Terselfdertyd vereis die implementering van sommige scenario's beleggings in stelsels vir die insameling, verwerking en gehaltebeheer van bykomende data wat nie voorheen ontleed is nie." Helaas, "analise is nog nie 'n spansport nie," erken die skrywers van die studie.