Когда бизнесу (не) нужна Big Data: ответы на распространенные вопросы

Какую пользу для бизнеса несут технологии Big Data? Каким компаниям и в каких случаях надо их использовать? Ответы на эти и другие распространенные вопросы дает Инна Хмельницкая, эксперт в области IT и Big Data инноваций. Инна - один из спикеров конференции Альфа-Банка «КЛИЕНТОМАНИЯ - 2016», которая состоится уже завтра.

- Вокруг Big Data сейчас ведется огромное количество дискуссий. Некоторые преподносят эту технологию как панацею XXI века, другие отзываются о ней как о модной дорогой «игрушке», не приносящей реальных результатов. Попробую внести ясность: что стоит за этим коммерческим термином.

---

Потребность в Big Data возникла, когда у компаний накопились огромные массивы данных за годы работы. Это, например, информация с касс торговых сетей, статистика об активностях и поведении пользователей сайтов, социальных сетей, данные с видеокамер и много другого.

Поступающая информация в виде цифровых данных, текстов, видео, изображений могла быть структурированной и неструктурированной. И эффективно обрабатывать ее традиционными технологиями стало проблематично. Выросло количество источников информации, увеличилась скорость ее поступления.

Параллельно с этими процессами происходило и происходит стремительное развитие компьютерных и программных технологий. Таким образом, о том, что в бизнесе есть Big Data, можно говорить в случаях, когда в информации присутствует один из трех V либо их сочетание:

• Volume - объем (большой объем обрабатываемых данных)
• Velocity - скорость (высокая скорость поступления информации)
• Variety - разнообразие данных

Big Data включает три компонента:

1. Данные как таковые.

2. Алгоритмы их обработки.

3. Компьютерные технологии и ПО, техническое обеспечение для работы с большими данными.

Где используется Big Data

Составляющими Big Data, как уже было сказано выше, являются алгоритмы и технологии обработки информации. Большинство из них известны много лет в математике, статистике, теории принятия решений - регрессия, деревья решений, кластеризация, нейронные сети и др. Эти методы многие изучали в университетах на таких дисциплинах, как высшая математика, статистика и пр. В совокупности с информационными технологиями эти методы позволяют решать самые разнообразные задачи в различных сферах:

Классические варианты применения Big Data:

1. Cфера B2C (ритейл, банки, гостиничный и ресторанный бизнес, телекоммуникационные компании, производители товаров и услуг и пр.) для сегментации клиентов, создания персонализированных продуктов и предложений, разработки программ лояльности, прогнозирование поведения потребителей.

Приведем пример:

• Сегментация огромного количества клиентов и выявление их поведенческих привычек (о которых большинство пользователей даже сами не подозревают), прогнозирование их дальнейшего поведения
• Компьютерное моделирование и краш-тестирование, которое позволяет экономить огромные суммы производителям автомобилей
• Вероятность ухода клиентов к другим брендам и разработка стратегии лояльности

• Компьютерное моделирование одежды без использования лекал на основе традиционно принятых размеров

2. Крупные предприятия - для быстрого построения управленческой отчетности, эффективного анализа «узких мест» на основе обнаружения неявной, но полезной информации. Создания сценариев управления затратами, ценами, прибылью.

3. Правительственные организации - для управления социальной и промышленной инфраструктурой (выбор мест строительства объектов, оптимизация транспортных потоков), предотвращение преступлений (например, в США раскрыта сеть педофилов на основе психологического портрета их поведения в Facebook), применения в политической жизни (администрация Обамы инвестировала свыше $ 200 млн в Big Data исследования).

4. Медицинская сфера - для прогнозирования развития заболеваний, управления состоянием тяжелобольных людей и недоношенных младенцев, создания высокотехнологичных протезов для инвалидов.

• Например, исследование мельчайших участков головного мозга, позволяющих выявить отделы, отвечающие за различные эмоции и функции жизнедеятельности человека, неизвестные ранее
• Разработка специального чипа и вживление его в мозг парализованному человеку, пострадавшему в автомобильной аварии, что позволило двигаться пальцам руки - ни одно лекарство не может заставить двигаться парализованный участок тела, впервые в истории человечества это смогли сделать технологии. И это только первые разработки в этом направлении.

5. Компании, создающие рекомендательные сервисы в любой сфере деятельности (индустрия развлечений, здоровье человека и др.) и специальные гаджеты, его контролирующие.

6. Любые онлайн-площадки вне зависимости от размера компании, но в зависимости от числа клиентов для анализа их поведения на сайте. Например:

• «Тепловые карты» сайта, место ухода с сайта, наиболее привлекательные материалы, серьезная web-аналитика помогают не только оптимизировать и сделать популярным сайт, но и повысить доходность бизнеса
• Определение карты настроений пользователей на основе анализа многомиллиардных твитов и лайков.

Когда не надо использовать Big Data

В первую очередь использование Big Data зависит от уровня «информационной зрелости» компании, который варьируется от самого низшего: автоматизация рутинных операций (складского и бухгалтерского учета и т.п.), до высшего: автоматизации стратегии развития изменений в компании (моделирование новых продуктов, бизнес-стратегий и т.п.). Он напрямую влияет не просто на конкурентоспособность, а на ее уровень, можно сказать «орбиту, на которой вращается компания».

Большие объемы информации могут накапливаться и обрабатываться как с использованием традиционных баз данных, так и с применением Big Data технологий.

Какие технологии могут обрабатывать информацию без использования Big Data:

1. ERP-системы позволяют автоматизировать бизнес-процессы предприятия.

2. CRM-системы (автоматизируют взаимоотношения с клиентами).

3. BI-системы (Business Intelligence) позволяют создать разнообразные аналитические отчеты.

Когда нужна Big Data: примеры

Примеров успешного использования Big Data множество. По сути, все мировые лидеры online и ofline бизнеса являются яркими такими примерами: Facebook, Google, Coca-Cola, IBM, Visa, Ford, Tesla и др. И это только маленькая упомянутая часть.

Вот несколько вариантов использования Big Data в компаниях:

• Имеются огромные массивы быстро прибывающих разнообразных данных, обработать которые обычными программами очень трудоемко, затратно и сложно
• Существующие программные продукты не могут дать вам полезные и ранее неизвестные полезные знания
• Надо смоделировать сложные ситуации и предсказать варианты развития событий, которые нужны для повышения конкурентоспособности. Примечательно, что алгоритмы Big Data могут использоваться и на ограниченном наборе данных
• Необходимо сложное промышленное моделирование
• Необходимо создавать рекомендации для компании и рекомендательные сервисы для клиентов на основе предикативной [прогностической] аналитики
• Влиять на поведение своих клиентов, предлагая им максимально подходящий продукт. Необходимость покупки этого продукта клиенты еще не осознают, но приобретут с радостью, как только вы им предложите

На что обратить внимание при внедрении Big Data

Самые главные вопросы, которые необходимо задать: поможет ли автоматизация бизнесу стать более эффективным, прибыльным и/или конкурентоспособным? В каком виде будет понятен эффект от внедрения ПО (снижение трудоемкости рутинного и неинтеллектуального труда, снижение затрат и увеличение прибыли за счет глубокой аналитики, помогающей принять более обоснованное решение и пр.)

1. Есть ли у вас необходимые для анализа данные и пригодны ли они к обработке. Например:

• Имеются большие ряды данных, но они не сопоставимы между собой
• Менялась методика расчета экономических показателей. Данные, полученные из разных источников, противоречивы

2. Есть ли у вас технические возможности для запуске Big Data проекта. Например:

• Есть ли программное обеспечение, эффективно интегрируемое с уже имеющимся
• Достаточно ли собственных вычислительных мощностей, либо потребуется их закупка или аренда

При выборе наиболее подходящего компании технического и программного решения важно посчитать, действительно ли это решение будет эффективным с учетом соотнесения затрат и ожидаемых результатов.

3. При необходимости - выбрать наиболее подходящего поставщика решения. При этом надо учитывать следующее.

• Если ваши задачи достаточно стандартны, например, ритейл, то следует выбирать поставщика программного обеспечения, который специализируется на этом направлении и имеет готовые кейсы в аналогичных компаниях, потому что у него уже есть готовые решения, которые надо фактически только адаптировать к вашей ситуации. Это быстрее и дешевле.
• Если задачи новые, нетривиальные, то целесообразно выбирать поставщика, у которого опыт работы с различными отраслями и типами задачи. Значит, он более гибок, и у него больше шансов быстрее найти правильное для вас решение

4. Определить, есть ли у вас компетентные сотрудники для работы с Big Data решениями, т.е. обладающие специализированными знаниями для анализа с большими данными и способные их правильно интерпретировать в вашей предметной области.

5. Выделить в вашей компании людей, которые будут работать с Big Data проектом как пользователи и с самого начало подключить их проекту. Это крайне важно, так как они знают глубочайшие нюансы работы и максимально заинтересованы в эффективном программном продукте, который они будут использовать лично. Они изначально помогут ИТ-компании предельно правильно строить Big Data решение.

Еще в процессе разработки Big Data проекта создать системы обучения пользователей и обязательных управленческих отчетов, которые будут создаваться с использованием Big Data решения.

6. Руководителю нужно лично контролировать ход проекта и постоянно давать для тестирования реальные насущные бизнес-задачи, хотя бы в упрощенном варианте. Ваши сотрудники и вы сами должны постепенно перестраиваться на новый тип прогрессивного управления на основе глубокой аналитики с помощью Big Data инструментов.

Но, конечно, необходимо понимать, что Big Data - это не панацея от всех проблем, это сложный инструмент работы с данными. Огромнейшую проблему представляют:

Правильный выбор данных, подвергаемых анализу.

Правильный выбор алгоритмов для каждой конкретной задачи.

Правильная интерпретация получаемых результатов.

И, конечно, ключевым является человеческий фактор, от которого зависит успех или неудача при внедрении Big Data.

Конференция «КЛИЕНТОМАНИЯ - 2016», с участием белорусских топ-менеджеров и владельцев бизнеса, а также специального гостя - маркетера № 1 в России Игоря Манна, организуется специально для клиентов Альфа-Банка. Программу события можно посмотреть здесь.