Accepter som data: hvordan virksomheder lærer at drage fordel af big data

Ved at analysere big data lærer virksomheder at afdække skjulte mønstre og forbedre deres forretningsresultater. Retningen er moderigtig, men ikke alle kan drage fordel af big data på grund af manglen på en kultur for at arbejde med dem

"Jo mere almindeligt en persons navn er, jo mere sandsynligt er det, at de betaler til tiden. Jo flere etager dit hus har, jo mere statistisk er du en bedre låner. Stjernetegn har næsten ingen effekt på sandsynligheden for en tilbagebetaling, men psykotypen gør det markant,” siger Stanislav Duzhinsky, analytiker hos Home Credit Bank, om uventede mønstre i låntageres adfærd. Han påtager sig ikke at forklare mange af disse mønstre – de blev afsløret af kunstig intelligens, som behandlede tusindvis af kundeprofiler.

Dette er kraften ved big data-analyse: Ved at analysere en enorm mængde ustruktureret data kan programmet opdage mange sammenhænge, ​​som den klogeste menneskelige analytiker ikke engang kender til. Enhver virksomhed har en enorm mængde ustruktureret data (big data) – om medarbejdere, kunder, partnere, konkurrenter, som kan bruges til forretningsmæssige fordele: forbedre effekten af ​​kampagner, opnå salgsvækst, reducere personaleomsætning mv.

De første til at arbejde med big data var store teknologi- og teleselskaber, finansielle institutioner og detailhandel, kommenterer Rafail Miftakhov, direktør for Deloitte Technology Integration Group, CIS. Nu er der interesse for sådanne løsninger i mange brancher. Hvad har virksomheder opnået? Og fører big data-analyse altid til værdifulde konklusioner?

Banker anvender big data-algoritmer primært til at forbedre kundeoplevelsen og optimere omkostningerne samt til at styre risiko og bekæmpe svindel. "I de seneste år er der sket en reel revolution inden for big data-analyse," siger Duzhinsky. "Brugen af ​​maskinlæring giver os mulighed for at forudsige sandsynligheden for misligholdelse af lån meget mere præcist - kriminaliteten i vores bank er kun 3,9 %." Til sammenligning var andelen af ​​lån med forsinket betaling over 1 dage på lån udstedt til enkeltpersoner pr. 2019. januar 90 ifølge centralbanken 5 %.

Selv mikrofinansieringsorganisationer er forundrede over undersøgelsen af ​​big data. "At levere finansielle tjenester uden at analysere big data i dag er som at lave matematik uden tal," siger Andrey Ponomarev, CEO for Webbankir, en online låneplatform. "Vi udsteder penge online uden at se hverken klienten eller hans pas, og i modsætning til traditionelle udlån skal vi ikke kun vurdere en persons solvens, men også identificere hans personlighed."

Nu gemmer virksomhedens database information om mere end 500 tusinde kunder. Hver ny applikation analyseres med disse data i omkring 800 parametre. Programmet tager ikke kun hensyn til køn, alder, ægteskabelig status og kredithistorie, men også den enhed, hvorfra en person kom ind på platformen, hvordan han opførte sig på webstedet. Det kan for eksempel være alarmerende, at en potentiel låntager ikke har brugt en låneberegner eller ikke har spurgt ind til vilkårene for et lån. "Med undtagelse af nogle få stopfaktorer - f.eks. udsteder vi ikke lån til personer under 19 år - er ingen af ​​disse parametre i sig selv en grund til at nægte eller acceptere at udstede et lån," forklarer Ponomarev. Det er kombinationen af ​​faktorer, der betyder noget. I 95 % af tilfældene træffes beslutningen automatisk, uden deltagelse af specialister fra underwriting-afdelingen.

Big data-analyse giver os mulighed for at udlede interessante mønstre, deler Ponomarev. For eksempel viste iPhone-brugere sig at være mere disciplinerede låntagere end ejere af Android-enheder - førstnævnte modtager godkendelse af ansøgninger 1,7 gange oftere. "Det faktum, at militært personel ikke tilbagebetaler lån næsten en fjerdedel sjældnere end den gennemsnitlige låntager var ikke en overraskelse," siger Ponomarev. "Men studerende forventes normalt ikke at være forpligtede, men i mellemtiden er tilfælde af kreditmisligholdelse 10 % mindre almindelige end gennemsnittet for basen."

Studiet af big data giver også mulighed for scoring for forsikringsselskaber. IDX blev etableret i 2016 og beskæftiger sig med fjernidentifikation og online verifikation af dokumenter. Disse ydelser er efterspurgte blandt fragtforsikringsselskaber, der er interesseret i at miste varer så lidt som muligt. Inden transporten af ​​varer forsikres, kontrollerer forsikringsselskabet, med chaufførens samtykke, for pålidelighed, forklarer Jan Sloka, kommerciel direktør for IDX. Sammen med en partner – St. Petersborg-firmaet “Risk Control” – har IDX udviklet en service, der giver dig mulighed for at kontrollere chaufførens identitet, pasdata og rettigheder, deltagelse i hændelser relateret til tab af last osv. Efter at have analyseret databasen over chauffører identificerede virksomheden en "risikogruppe": Oftest går last tabt blandt chauffører i alderen 30-40 år med lang køreerfaring, som ofte har skiftet job for nylig. Det viste sig også, at lasten oftest bliver stjålet af chauffører af biler, hvis levetid overstiger otte år.

Forhandlere har en anden opgave - at identificere kunder, der er klar til at foretage et køb, og bestemme de mest effektive måder at bringe dem til webstedet eller butikken. Til dette formål analyserer programmerne kundernes profil, data fra deres personlige konto, købshistorikken, søgeforespørgsler og brugen af ​​bonuspoint, indholdet af elektroniske kurve, som de begyndte at udfylde og forlod. Dataanalyse giver dig mulighed for at segmentere hele databasen og identificere grupper af potentielle købere, der kan være interesserede i et bestemt tilbud, siger Kirill Ivanov, direktør for M.Video-Eldorado-gruppens datakontor.

For eksempel identificerer programmet grupper af kunder, som hver især kan lide forskellige marketingværktøjer – et rentefrit lån, cashback eller en rabatkampagnekode. Disse købere modtager et e-mail nyhedsbrev med den tilsvarende kampagne. Sandsynligheden for, at en person, der har åbnet brevet, vil gå til virksomhedens hjemmeside, i dette tilfælde øges betydeligt, bemærker Ivanov.

Dataanalyse giver dig også mulighed for at øge salget af relaterede produkter og tilbehør. Systemet, som har behandlet andre kunders ordrehistorik, giver køberen anbefalinger til, hvad der skal købes sammen med det valgte produkt. Test af denne arbejdsmetode viste ifølge Ivanov en stigning i antallet af ordrer med tilbehør med 12% og en stigning i omsætningen af ​​tilbehør med 15%.

Detailhandlere er ikke de eneste, der stræber efter at forbedre kvaliteten af ​​servicen og øge salget. Sidste sommer lancerede MegaFon en "smart" tilbudstjeneste baseret på behandling af data fra millioner af abonnenter. Efter at have studeret deres adfærd, har kunstig intelligens lært at danne personlige tilbud til hver klient inden for taksterne. For eksempel, hvis programmet bemærker, at en person aktivt ser video på sin enhed, vil tjenesten tilbyde ham at udvide mængden af ​​mobiltrafik. Under hensyntagen til brugernes præferencer giver virksomheden abonnenter ubegrænset trafik til deres foretrukne typer internetfritid - for eksempel ved at bruge instant messengers eller lytte til musik på streamingtjenester, chatte på sociale netværk eller se tv-shows.

"Vi analyserer abonnenternes adfærd og forstår, hvordan deres interesser ændrer sig," forklarer Vitaly Shcherbakov, direktør for big data analytics hos MegaFon. "For eksempel er AliExpress-trafikken i år vokset 1,5 gange i forhold til sidste år, og generelt vokser antallet af besøg i online tøjbutikker: 1,2-2 gange, afhængigt af den specifikke ressource."

Et andet eksempel på en operatørs arbejde med big data er MegaFon Poisk-platformen til at søge efter forsvundne børn og voksne. Systemet analyserer, hvilke personer der kan være i nærheden af ​​den forsvundne persons sted, og sender dem oplysninger med foto og tegn på den savnede. Operatøren udviklede og testede systemet sammen med Indenrigsministeriet og Lisa Alert-organisationen: Inden for to minutter efter orientering til den forsvundne person modtager mere end 2 tusinde abonnenter, hvilket markant øger chancerne for et vellykket søgeresultat.

Big data-analyse har også fundet anvendelse i industrien. Her giver det dig mulighed for at forudsige efterspørgsel og planlægge salg. Så i Cherkizovo-gruppen af ​​virksomheder blev for tre år siden implementeret en løsning baseret på SAP BW, som giver dig mulighed for at gemme og behandle alle salgsoplysninger: priser, sortiment, produktmængder, kampagner, distributionskanaler, siger Vladislav Belyaev, CIO af gruppen " Cherkizovo. Analysen af ​​de akkumulerede 2 TB information gjorde det ikke kun muligt effektivt at danne sortimentet og optimere produktporteføljen, men lettede også medarbejdernes arbejde. For eksempel ville udarbejdelse af en daglig salgsrapport kræve en dags arbejde af mange analytikere – to for hvert produktsegment. Nu er denne rapport udarbejdet af robotten, som kun bruger 30 minutter på alle segmenter.

"I industrien fungerer big data effektivt sammen med tingenes internet," siger Stanislav Meshkov, administrerende direktør for Umbrella IT. "Baseret på analysen af ​​data fra de sensorer, som udstyret er udstyret med, er det muligt at identificere afvigelser i dets drift og forhindre nedbrud og forudsige ydeevne."

I Severstal forsøger man ved hjælp af big data også at løse ret ikke-trivielle opgaver – for eksempel at reducere skadesraten. I 2019 afsatte virksomheden omkring 1,1 milliarder RUB til foranstaltninger til forbedring af arbejdssikkerheden. Severstal forventer at reducere skadesraten med 2025 % med 50 (sammenlignet med 2017). "Hvis en linjeleder - værkfører, pladschef, butikschef - bemærkede, at en medarbejder udfører visse operationer usikkert (ikke holder fast i gelænderne, når de går op ad trapper på industripladsen eller ikke bærer alle personlige værnemidler), skriver han ud. en særlig bemærkning til ham – PAB (fra "behavioural security audit"),” siger Boris Voskresensky, leder af virksomhedens dataanalyseafdeling.

Efter at have analyseret data om antallet af PAB'er i en af ​​divisionerne fandt virksomhedens specialister ud af, at sikkerhedsregler oftest blev overtrådt af dem, der allerede havde haft flere anmærkninger før, samt af dem, der var sygemeldt eller på ferie kort før. hændelsen. Overtrædelserne i den første uge efter hjemkomst fra ferie eller sygemelding var dobbelt så høje som i den efterfølgende periode: 1 mod 0,55 %. Men at arbejde på nattevagten, som det viste sig, påvirker ikke statistikken for PAB'er.

At skabe algoritmer til behandling af big data er ikke den sværeste del af arbejdet, siger virksomhedsrepræsentanter. Det er meget sværere at forstå, hvordan disse teknologier kan anvendes i forbindelse med hver specifik virksomhed. Det er her akilleshælen af ​​virksomhedsanalytikere og endda eksterne udbydere ligger, som, det ser ud til, har oparbejdet ekspertise inden for big data.

"Jeg mødte ofte big data analytikere, som var fremragende matematikere, men som ikke havde den nødvendige forståelse af forretningsprocesser," siger Sergey Kotik, udviklingsdirektør hos GoodsForecast. Han husker, hvordan hans virksomhed for to år siden havde mulighed for at deltage i en efterspørgselsprognosekonkurrence for en føderal detailkæde. Der blev valgt en pilotregion, for alle varer og butikker, som deltagerne lavede prognoser for. Prognoserne blev derefter sammenlignet med det faktiske salg. Førstepladsen blev indtaget af en af ​​de russiske internetgiganter, kendt for sin ekspertise inden for maskinlæring og dataanalyse: i sine prognoser viste den en minimal afvigelse fra det faktiske salg.

Men da netværket begyndte at studere hans prognoser mere detaljeret, viste det sig, at fra et forretningsmæssigt synspunkt er de absolut uacceptable. Virksomheden introducerede en model, der producerede salgsplaner med en systematisk underdrivelse. Programmet fandt ud af, hvordan man minimerer sandsynligheden for fejl i prognoser: det er sikrere at undervurdere salget, da den maksimale fejl kan være 100% (der er ingen negativt salg), men i retning af overforecasting kan det være vilkårligt stort, Kotik forklarer. Med andre ord præsenterede virksomheden en ideel matematisk model, som under reelle forhold ville føre til halvtomme butikker og store tab ved undersalg. Som følge heraf vandt en anden virksomhed konkurrencen, hvis beregninger kunne sættes i praksis.

Big data-teknologier er relevante for mange industrier, men deres aktive implementering forekommer ikke overalt, bemærker Meshkov. For eksempel er der i sundhedsvæsenet et problem med datalagring: der er ophobet en masse information, og den opdateres jævnligt, men for det meste er disse data endnu ikke blevet digitaliseret. Der er også mange data i offentlige myndigheder, men de er ikke samlet til en fælles klynge. Udviklingen af ​​en samlet informationsplatform af National Data Management System (NCMS) har til formål at løse dette problem, siger eksperten.

Vores land er dog langt fra det eneste land, hvor vigtige beslutninger i de fleste organisationer træffes på baggrund af intuition, og ikke analyser af big data. I april sidste år gennemførte Deloitte en undersøgelse blandt mere end tusind ledere af store amerikanske virksomheder (med en stab på 500 eller flere) og fandt ud af, at 63 % af de adspurgte kender til big data-teknologier, men ikke har alle de nødvendige infrastruktur til at bruge dem. I mellemtiden har næsten halvdelen blandt de 37 % af virksomhederne med en høj analytisk modenhed overgået forretningsmålene markant i de seneste 12 måneder.

Undersøgelsen afslørede, at udover vanskeligheden ved at implementere nye tekniske løsninger, er et vigtigt problem i virksomheder manglen på en kultur for at arbejde med data. Du skal ikke forvente gode resultater, hvis ansvaret for beslutninger truffet på baggrund af big data kun er tildelt virksomhedens analytikere og ikke hele virksomheden som helhed. "Nu leder virksomheder efter interessante use cases til big data," siger Miftakhov. "Samtidig kræver implementeringen af ​​nogle scenarier investeringer i systemer til indsamling, bearbejdning og kvalitetskontrol af yderligere data, som ikke er blevet analyseret før." Ak, "analyse er endnu ikke en holdsport," indrømmer forfatterne af undersøgelsen.