Big Data: от теории к практике
Тема анализа больших данных стала настоящим бумом последнего года. Большинство руководителей крупных компаний знают, что это такое, однако с внедрением анализа и обработки своих данных пока не спешат, несмотря на появление на рынке предприятий, работающих в данной сфере. Главное опасение — это боязнь пустить деньги на ветер. Кроме того, многих пугают сложности, связанные с внедрением технологии и последующей реорганизацией бизнеса. Однако, как и в любом деле, наибольшую выгоду получают те, кто первым внедряет новые технологии. Это утверждение в свое время подтвердили Джеймс Харгривс (модернизированное прядильное устройство), Роберт Муррей (единый почтовый тариф на доставку почтовых отправлений), Генри Форд (внедрение конвейерного производства) и другие. Их идеи казались сомнительными и финансово рискованными, однако сейчас такие технологии являются стандартами де-факто. Однако вернемся к анализу данных, планам и успехам первопроходцев.
«Вымпелком»
Компания «Вымпелком» подвела первые итоги своего проекта Big Data, который заключался в формировании персонализированных предложений абонентам при их обращении к операторам. За 3 месяца работы данная система позволила повысить уровень выручки в расчете на одного абонента на 9 %. В ближайшее время проект Big Data будет внедрен в систему личного кабинета на сайте, в мобильные приложения и голосовое меню. Также результатами анализа больших данных смогут воспользоваться региональные дилеры.
HubCab
Частный таксопарк Нью-Йорка проанализировал GPS-координаты движения машин. Цель — изучение наиболее популярных путей следования и мест посадки пассажиров и создание системы построения оптимальных маршрутов с возможностью подсаживать нескольких клиентов на одном маршруте.
Thiess
Одна из крупнейших компаний мира в области горнодобычи планирует использовать предиктивную аналитику и статистическое моделирование для сведения к минимуму вероятности поломки оборудования. Реализацией технической стороны проекта будет заниматься корпорация IBM.
Цель проекта — создать программно-аппаратный комплекс, позволяющий предсказывать поломки, сократить простой оборудования, продлить срок эксплуатации деталей и увеличить эффективность работы всей компании, исходя из ранее собранных показателей датчиков оборудования.
Pixalate
Компания Pixalate занимается анализом больших объёмов данных для выявления характерных признаков мошенничества в сфере онлайновой рекламы. По данным Бюро IAB, более трети баннерных систем подвержено атакам с целью накрутки. Суммарно они приводят к убыткам на уровне $ 11 млрд ежегодно.
Инновационность системы заключается в выявлении аномалий в работе систем и установлении фактов мошенничества в рекламе в режиме реального времени, в то время как традиционные системы способны проводить только пост-анализ.
Кроме выявления накруток и ботов, система Pixalate дает возможность получать детальные сведения о просмотрах и кликах, помогая оптимизировать маркетинговые кампании с учётом их аудитории.
Оценка эффективности работы системы косвенно подтверждается результатами закрытого бета-тестирования в компаниях Amazon, Orange Telecom, LendingTree и TripAdvisor, которые стали постоянными клиентами сервиса.
Reflektion
Появление технологии Big Data позволяет анализировать поведение клиентов и переходить к предсказанию пожеланий вместо перебора вариантов вслепую.
Именно этим и занимается компания Reflektion, которая планирует изменить электронную коммерцию, предвосхищая желания клиентов. Компания получила инвестиции от венчурных фондов Intel Capital и Nike в размере $ 8 млн, которые пойдут на развитие интеллектуальной системы предиктивной аналитики, способной просчитывать следующий шаг покупателя.
Один из лидеров в сфере производства спортивной одежды O’Neill уже использует решения компании Reflektion для предсказания пользовательского спроса на все виды товаров. Внедрение аналитического продукта Reflektion позволило увеличить показатель конверсии на 50 %.
Opower
Компания Opower основана в 2007 году, ее целью является разработка методов учёта и эффективного расхода электроэнергии предприятиями и частными лицами. Компания проводит первичный аудит, выявляет потребителей с чрезмерно высоким расходом, детализирует счета за электроэнергию. Этим комплекс услуг не ограничивается: клиент может заказать разработку системы, которая на основе анализа данных за прошлые периоды скорректирует схему электропитания, задействуя энергоемкие приборы во время льготных периодов действия тарифа и оптимизируя затраты на освещение, кондиционирование помещений и т. п.
Итак, первые шаги в направлении освоения Big Data были сделаны как со стороны гигантов, продающих товары и услуги широкому кругу потребителей или занятых в промышленном секторе, так и со стороны компаний, предоставляющих инструменты и программно-аппаратные комплексы для анализа данных. Тенденции рынка говорят о намерении многих компаний использовать средства анализа больших данных для увеличения прибыли и снижения производственных издержек. Опрос российских банков из топ-30 показал, что 10 из них уже анализируют большие данные, а в планах семи — внедрение технологии в будущем.
Вывод из всего изложенного напрашивается сам собой: повсеместное внедрение технологии анализа больших данных неизбежно. Чтобы не оказаться последним среди конкурентов, уже сегодня необходимо внедрять механизмы интеллектуальной аналитики данных в свой бизнес.