Действительно большие данные: как big data помогает компаниям зарабатывать
Еще пять лет назад даже крупные компании не до конца понимали, что делать с большими данными и какие именно задачи они помогут решить бизнесу. Сегодня big data активно используется в самых разных отраслях — от банковского до аграрного сектора. Благодаря аналитике больших данных компании оптимизируют продажи и логистику, лучше узнают клиентов и, как следствие, разрабатывают наиболее подходящие им предложения. В конечном итоге это ведет к повышению прибыльности бизнеса. В рамках нашего специального проекта разбираемся с директором по аналитике больших данных в МегаФон Виталием Щербаковым, как big data изменила жизнь бизнеса и чему можно научиться у компаний, уже использующих большие данные.
При поддержке
Спецпроект. Часть II. Big data
Читайте также:
Спецпроект. Часть I. Умные города
Спецпроект. Часть III. Будущее рекламы
Спецпроект. Часть IV. Гонка кибервооружений
Спецпроект. Часть V. Карантинные уроки
Спецпроект. Часть VI. Идентификация и авторизация
Спецпроект. Часть VII. Облачные технологии
Спецпроект. Часть VIII. Будущее здравоохранения
Big data как новый драйвер развития
В эпоху цифровых технологий и социальных сетей объем генерируемой информации увеличивается в геометрической прогрессии. Если у компании есть сайт, приложение для смартфонов, на ее электронную почту или через мессенджеры приходят обращения и отзывы клиентов, то у нее уже есть данные, которые можно использовать для анализа. Но какую пользу это принесет бизнесу?
Этот вопрос начали задавать себе крупные компании еще семь лет назад, но тогда выгоду от аналитики big data видели немногие. В 2015 году большие данные в своей работе использовали лишь 17% компаний по всему миру. Первопроходцами в вопросах внедрения big data оказались компании из IT, банковского и телекоммуникационного бизнеса. Это не удивительно. В этих секторах накапливается наибольший объем данных: у банков — через транзакции, у телекома — через геоданные, у поисковиков — через истории запросов.
Сейчас все крупные компании применяют аналитику больших данных. В США с этой технологией работает более 55% компаний из самых разных сфер. В Европе и Азии востребованность big data немного ниже — около 53%. Получается, что за пять последних лет бизнес стал использовать большие данные в три раза больше.
Растущий со стороны бизнеса интерес к big data объясняется просто. Компании, игнорирующие технологии больших данных, начали замечать у себя упущенную выгоду. Например, в этом признавалась одна из ведущих корпораций по производству спецтехники в мире Caterpillar. В 2014 году ее дистрибьюторы ежегодно упускали от $9 до 18 млрд прибыли только из-за того, что не внедряли технологии обработки больших данных. У Caterpillar более 3,5 млн единиц техники оснащено датчиками, которые собирают данные о состоянии ключевых узлов, их режимах работы и степени износа. Это помогает владельцам оптимизировать использование техники, управлять затратами на техническое обслуживание.
Упущенная выгода для компаний может заключаться в потере клиентов или отсутствующей оптимизации. Сейчас, когда уже все более или менее поняли влияние big data на бизнес-процессы, компании начали развивать внутреннюю экспертизу. Пару лет назад она была не во всех крупных компаниях, многие ее покупали.
Как говорил тогда руководитель отдела продаж компании Стю Левеника, многие региональные представители действовали неэффективно и «использовали до 40% возможностей». Более активное применение аналитики больших данных помогает прогнозировать возникновение неисправностей, заранее заказывать запчасти в необходимом объеме и планировать профилактическое обслуживание техники, что уменьшит время ее простоя.
Скидка на шоколадные конфеты и спасение локомотивов — как big data меняет бизнес
Но бизнес, как и люди, учится на собственных ошибках. Запланированные на 2019 год инвестиции в анализ больших данных оценивались в $189 млрд. Компании, которые уже занимаются аналитикой big data, планируют увеличить число проектов и бюджеты на них в ближайшие год-два. Сейчас бюджеты на это направление могут составлять от 1 до 10 млн рублей в год и окупаться примерно в течение года.
Траты на аналитику больших данных сильно зависят от области их применения. Например, крупным компаниям в сфере телекома технологии big data могут обойтись в миллионы долларов, потому что для хранения и обработки данных необходимо все больше серверов, которые должны размещаться в РФ, а также необходимо обеспечивать защиту данных и их конфиденциальность.
Но главное, что должен понимать бизнес, интересующийся внедрением у себя big data, — анализируемые сведения не дадут ответа на все вызовы, которые стоят перед вашей компанией. Big Data находит решения для бизнеса в зависимости от того, какие именно данные собирает компания. Поясним на примерах.
У сети гипермаркетов «Лента» есть карты лояльности. При этом 93% продаж ритейлера составляют транзакции с участием карт лояльности. Поэтому гипермаркет решил использовать большие данные, чтобы проанализировать поведение клиентов, улучшить таргетинг и повысить продажи. Теперь благодаря big data «Лента» узнает, какие покупки клиент совершил осознанно, а какие — импульсивно. Работает это так: при покупке по карте лояльности считывается ваша история, мгновенно формируется предложение с 2−3 купонами на то, что вы покупали до этого. Если алгоритмы видят, что вы давно не покупали любимые ранее шоколадные конфеты, то вам обязательно предложат на них скидку. Если вы вдруг решите от нее отказаться, система сделает вывод о том, что вы можете быть на диете, и в следующий раз посоветует вам что-нибудь из линейки здорового питания.
Крупнейшая железнодорожная компания США Union Pacific Railroad с помощью «больших данных» улучшила систему управления рисками — число схождений составов с рельсов снизилось на 75%. Для этого компания начала собирать данные с термометров, акустических и визуальных сенсоров, установленных на дне каждого локомотива, сведения о погодных условиях, состоянии тормозных систем, GPS-координаты составов. На основе этих сведений строятся предиктивные модели, которые позволяют отслеживать состояние колес и железной дороги и предсказывать сход составов с рельсов за несколько дней или даже недель до возможного инцидента. Этого времени достаточно для того, чтобы оперативно устранить проблемы, избежать повреждений состава и задержки остальных поездов.
Мы используем big data для решения собственных бизнес-задач — например, для «МегаФон Ритейла». Большие данные помогают нам определить оптимальную локацию для открытия точки того или иного формата, определить ассортимент — сколько товара туда нужно завезти на следующей неделе, чтобы не было неудовлетворенного спроса и больших остатков на складах. Big data помогает проанализировать даже отток ключевых сотрудников в том же «Ритейле» или колл-центре.
Пока железнодорожники борются с рисками схода поездов, один из крупнейших в мире и самый загруженный по объему трафика аэропорт в Дубае улучшает с помощью big data логистику. Если на двух рейсах много пассажиров, пересаживающихся с одного борта на другой, большие данные помогут назначить их выходы рядом друг с другом.
Эффективное сельское хозяйство и прогнозирование энергопотребления — будущее big data
Не исключено, что наибольшие перспективы у big data в консервативных областях бизнеса — например, сельском хозяйстве, нефтяной и горной добыче. В этих секторах большие данные помогут экономить и на рабочей силе, и на ресурсах. Например, ожидается, что к 2050 году глобальный спрос на продовольствие вырастет почти вдвое, поэтому фермеры вынуждены увеличивать объемы производства. Помогают им в этом большие данные — сведения, получаемые от датчиков почвы, тракторов с GPS-трекером и местных метеорологических каналов. Комплексный анализ этой информации позволяет лучше распоряжаться семенами, удобрениями, пестицидами и повышать тем самым производительность.
Благодаря big data быстро выросли компании, которые занимаются технологией распознавания лиц. На нулевом этапе у них не было данных, но если в открытых источниках взять размещенную базу человеческих лиц, то с помощью алгоритмов машинного обучения можно сделать новый продукт и впоследствии продавать его на рынок. Подобным образом с помощью Big Data происходит разработка совсем новых сервисов и решений.
Постепенно начинают применять big data и для переработки и сбыта полезных ископаемых. Анализ больших данных позволяет делать выводы об эффективности разработки месторождения, отслеживать график капитального ремонта и состояния оборудования. В нефтедобыче технологии big data позволяют сократить сроки строительства скважин на 30%, а общую стоимость скважины, включая закачивание и освоение, — на 15%. Помощь с логистикой нефтяной отрасли тоже нужна: большие данные оптимизируют транспортные маршруты и схемы поставок оборудования, повышают эффективность работы АЗС.