Большие данные стали по-настоящему модной темой в бизнесе. Им посвящены многочисленные конференции, которые проводятся в разных частях света, многие университеты мира начали подготовку специалистов по работе с большими массивами данных, а в крупных компаниях появились соответствующие позиции, которые очень непросто заполнить. В действительности сейчас гораздо больше самоучек, чем профессионалов с профильным образованием и большим стажем.

Big data – термин, объединяющий технологии и методики работы с большими массивами данных, по сути – аналитику очень высокого уровня. И хотя термин относительно свеж, сама аналитика существует и успешно используется не первый десяток лет. Почему же сейчас об этом так много говорят? Во-первых, развитие технологий позволяет гораздо эффективнее обрабатывать информацию, закладывая сложные алгоритмы и поручая огромный объем работы машине. Во-вторых, современная техника может хранить и накапливать невероятное количество данных. И, наконец, в-третьих, интернет показывает нам вдохновляющий пример работы с данными, когда только благодаря верному алгоритму код превращается в успешный сервис, а сервис – в многомиллионный бизнес.

Рис. 1. Объем рынка Big Data, млрд $

Источник: Wikibon, IPOboard.
Источник: Wikibon, IPOboard.

Монетизация данных

Аналитики считают Big data перспективным направлением, но компаний, которые научились извлекать из накопленной информации коммерческую выгоду – единицы. Давайте рассмотрим наиболее распространенные примеры монетизации больших данных и возможности их развития в будущем.

1. Внутренние нужды компании

Повышая уровень автоматизации рабочих процессов, мы выходим на новую ступень оценки эффективности сотрудников. Какая корреляция между временем обслуживания клиента в контактном центре и его уровнем удовлетворенности? Какую производительность демонстрирует человек с посменным графиком или удлиненным рабочим днем? Как оперативно диагностировать аварийные ситуации на оборудовании, как их прогнозировать и предотвращать? Это только малая часть вопросов, на которые можно ответить, умело извлекая информацию из структурированных и неструктурированных массивов.

2. Получение рыночного преимущества

В условиях развития конкуренции, снижения прибыльности многих отраслей, в частности, таких, как ритейл и HoReCa, преимущество получает бизнес, который умеет анализировать поведение клиентов и персонализировать предложение. Как ведут себя клиенты перед тем, как перестать покупать в конкретном магазине? Может быть, реже заходят или меньше тратят? А может, начинают приходить только за определенным видом товаров, которые трудно найти в других магазинах?

Преимущество получает бизнес, который умеет анализировать поведение клиентов и персонализировать сообщение.

Как меняется портрет клиентской базы и каких он требует трансформаций в закупе? Какие позиции будут популярны в выходные и в следующем месяце с учетом подвижки в покупательских предпочтениях? Как сформировать такое персонализированное сообщение, которое почти со стопроцентной вероятностью найдет отклик в душе клиента?

Из простых, но интересных примеров – компания Dunkin Donuts, которая изменяет рекламные сообщения на интерактивных носителях в зависимости от времени суток и наличия продукции.

Использование технологий анализа больших данных позволяет придать крупному торговому предприятию черты семейной лавки, где продавец за десять лет досконально изучил вкусы своих покупателей и при виде клиента начинает, улыбаясь, собирать для него корзину, попутно спрашивая о здоровье жены и учебе дочки. Это кажется фантастичным, но, вероятно, в будущем каждый магазин сможет приветствовать своего покупателя, называя по имени, и немедленно предлагать подходящий набор продуктов, часть из которых была накануне получена от поставщиков по специальному заказу.

Несмотря на очевидные преимущества использования больших данных в ритейле, эксперты утверждают, что технологии развиваются на удивление медленно, значительно отставая от банковской сферы и телекоммуникационных компаний.

3. Реклама в интернете

Родная стихия для больших данных – интернет. Когда-то именно благодаря развитию технологий накопления и систематизации информации появились совершенно новые сервисы и бизнес-модели, теперь информация о пользователях помогает им двигаться еще быстрее. Так, социальные сети формируют ленты по нашему вкусу, который они основательно изучили за годы взаимодействия, а интернет-магазины «надоедают» товарами из неоплаченных корзин. Такой инструмент называется ремаркетингом (или ретаргетингом) – каждый второй сайт снова и снова будет напоминать о лежащей в корзине паре туфель до тех пор, пока вещь не будет оплачена или удалена из корзины.

Рис. 2. Какие направления развития Big Data приоритетны для компаний?

Источник: Economist Intelligence Unit.
Источник: Economist Intelligence Unit.

Наибольший потенциал больших данных лежит в перекрестном использовании массивов информации различными участниками рынка. К примеру, Facebook уже готов работать с банками, помогая им прогнозировать кредитные риски по анализу поведения виртуальных друзей индивида. Интересные возможности дает сотрудничество банков и мобильных операторов – первые владеют информацией о платежеспособности человека, вторые – о геолокации, обе отрасли накапливают обрывки социально-демографического портрета. Отсюда невероятные перспективы анализировать полный потрет клиента, предугадывать его желания, безошибочно формировать и доставлять рекламное сообщение.

Барьеры в развитии big data

Рынок услуг на базе больших данных ежегодно показывает двузначный рост, однако, учитывая потребности и перспективы, можно сказать, что темпы могли бы быть более высокими, если бы не ряд сложностей, с которыми обычно сталкивается компания, пытаясь монетизировать накопленные данные или использовать их для внутренних нужд.

Средняя зарплата специалиста по data science в США почти вдвое превосходит среднюю зарплату программиста. Такой специалист считается почти волшебником.

Прежде всего, это дефицит профессионалов и качественной информации. На постсоветском пространстве пока мало где учат извлекать пользу из больших массивов данных, а русскоязычный сегмент интернета, хотя и пестрит заголовками, по сути, не дает больших возможностей расширить свои знания. Квалифицированные аналитики, а тем более бизнес-ориентированные профессионалы на рынке труда не просто ценны, а переоценены. Средняя зарплата специалиста по data science в США почти вдвое превосходит среднюю зарплату программиста. Такой специалист считается почти волшебником, способным мгновенно выявить закономерности, разработать алгоритмы и принести компании дополнительные миллионы.

Трудоемкость и дефицит профессионалов

Большие данные – это всегда огромный интеллектуальный и ручной труд. Прежде чем из миллионов цифр и параметров будут найдены именно те, которые указывают на закономерности, пройдет немало времени. Сначала формируются гипотезы, затем следует разработка алгоритмов и проверка их корректности, в случае успеха станет возможным коммерческий запуск.

Кроме того, работа с большими данными, как правило, должна выполняться очень быстро – срок актуальности такой информации (например, о геолокации) крайне небольшой. Фактически, это непрерывный поток данных, ценность которых в их свежести.

Этические и юридические моменты

Большие данные ценны именно тем, что содержат уникальную, крайне детализированную и очень точную информацию о человеке. Однако именно такая информация, как правило, относится к персональным данным и не подлежит разглашению. Как же использовать то, о чем нельзя говорить? Во-первых, это можно делать в обобщенном виде – одно дело сформировать поименный список тех, кто был, скажем, в торгово-развлекательном центре в выходные дни, другое – сообщить, что этот ТРЦ посетили 5830 человек. Во-вторых, данные могут быть использованы, если человек заранее дал согласие на разглашение этих данных. Например, постоянный клиент сети ресторанов, который готов получать SMS об акции в одном из любимых кафе в том случае, если расстояние до кафе составляет не более 500 метров. В-третьих, чаще всего данные никуда не передаются, а обрабатываются в автоматическом режиме для разработки индивидуального предложения.

***

Изменит ли активное использование больших данных привычный уклад жизни? Однозначно да. Появляются новые бизнес-модели, открывается безграничное море возможностей. Другой вопрос: будут ли изменения революционными или эволюционными? На наш взгляд, скорее второе. Преобразования будут постепенными, затронут такие консервативные отрасли, как торговля, здравоохранение, изменят статистику и государственные услуги, отразятся на качестве жизни и экономическом ландшафте стран. Однако прежде потребуются колоссальные интеллектуальные усилия, консолидация знаний, технологий, опыта и, главное, большого исследовательского интереса.