Все мы слышали о понятии Big Data (большие данные). У кого-то оно вызывает ассоциации с огромными листами Excel, у кого-то — с тысячами строчек кода, для заядлых любителей сериалов — с шоу «Карточный домик». Последний был снят именно по результатам анализа огромного массива данных о предпочтениях кинозрителей, их любимых актерах, сюжетных поворотах, соотношении драмы с экшеном и политикой. Получилось, кстати, неплохо — к просмотру советуем.
Но сегодня речь о другом. Что такое Big Data в экономике? Как эту технологию используют крупные корпорации — и можно ли на ее основе принимать более глобальные решения? К примеру, определять размер процентных ставок или наиболее выигрышные для экономики законы на уровне государства? Разберемся в новом материале.
Big Data в экономике
Новое использование данных способно преобразовать каждую отрасль хозяйственной деятельности. Вот некоторые из способов влияния использования этих технологий на экономику:
Big Data: как новые технологи помогают строить бизнес
- Производство новых товаров и услуг по индивидуальному заказу;
- Оптимизация бизнес-процессов;
- Более целенаправленный маркетинг, который внедряет отзывы клиентов в дизайн продукта;
- Лучшее организационное управление;
- Ускорение инноваций за счет более короткого цикла исследований и разработок.
Согласно отчету McKinsey Global Institute, Big Data может приносить дополнительно $3 трлн в год только в семи отраслях экономики. В отчете также указывается, что более половины этой суммы придется на непрямое воздействие на ежедневную жизнь: уменьшение количества пробок на дорогах, упрощение формирования цен и более равномерный уровень школьной и университетской подготовки.
Некоторые из этих аспектов не влияют на ВВП или личные доходы, как мы их видим. Они, однако, подразумевают лучшее качество жизни.
Эта тенденция в анализе данных также влияет на рынок труда. Занятость в Big Data была названа «самой привлекательной работой 21-го века». В США уже насчитывается около 500 000 рабочих мест в этой сфере. Но, по оценкам McKinsey, существует нехватка от 140 000 до 190 000 специалистов с учеными степенями в области статистики, вычислительной техники и других прикладных областях.
Возможно, еще более важной является нехватка 1,5 млн менеджеров и аналитиков, которые занимают традиционные рабочие места, но способны интегрировать Big Data в процесс принятия решений. Необходимость понимать и действовать на основе улучшенных данных может повысить производительность труда и оплату труда.
Преимущества Big Data
Благодаря Big Data, государственные и частные компании получают беспрецедентную информацию о поведении клиентов, рыночных предпочтениях и эффективности бизнеса. Такие знания помогают продумывать правильную стратегию поведения, чтобы лучше обслуживать своих клиентов, улучшать бизнес-процессы, увеличивать доходы и многое другое.
Как большие данные помогают бизнесу привлекать клиентов, и сложно ли их использовать?
Одним из ярких примеров является немецкая розничная компания Otto. Данные показывали, что клиенты реже возвращали товары, если они доставлялись в течение двух дней и приходили все сразу, а не по отдельности. Благодаря анализу информации о 3 млрд проведенных транзакций, компания смогла выстроить бизнес-модель, которая с точностью до 90% предсказывала, что клиенты захотят купить в ближайшие 30 дней. В результате, возврат продукции сократился более чем на 2 млн единиц в год.
А вот другой пример. Компания PepsiCo использовала Big Data для стимулирования продаж нового продукта Quaker Overnight Oats. Были выявлены наиболее ценные для реализации продукта на рынке покупатели. Выбор делали из 110 млн семей, оставив в итоге только 24 млн. После тщательно спланированной стартовой кампании эти приоритетные клиенты обеспечили 80% продаж продукта в течение первых 12 недель после запуска.
«Темная сторона» Big Data
Несмотря на очевидную пользу Big Data, их внедрение сопряжено с рядом трудностей.
Как и с блокчейном, для реализации алгоритмов анализа огромных массивов данных необходимы специалисты высокого класса. Их количество на рынке труда на данный момент достаточно низкое, да и оплата услуг подобных сотрудников обходится недешево. Это пугает некоторых предпринимателей, которые предпочитают использовать старые и проверенные модели бизнеса.
Безопасность — еще один вопрос, окончательного ответа на который пока не получено. Поскольку данные, на сегодняшний день, становятся важным бизнес-активом, необходимость их защиты выходит на первый план.
К сожалению, есть много примеров того, что компании передают приватную информацию третьим лицам, а то и вовсе собирают ее без согласия пользователей.
Стандарты регулирования
Введение Европейским Союзом Общего регламента защиты персональных данных (GDPR) в 2018 году показывает, что законы о конфиденциальности данных начинают ужесточаться. Ключевыми принципами регламента являются:
- законность, справедливость и прозрачность — использовать данные только на легальных основаниях;
- ограничение целью — обработка должна сводиться только к тому, что было заявлено субъекту данных;
- минимизация данных — использовать только необходимое количество информации;
- целостность и конфиденциальность — хранить данные в безопасном месте и уделять достаточное внимание их сохранности.
Будущее Big Data
Неужели стремление сократить расходы на операционную деятельность на фоне пандемии приведет к упадку развития технологий Big Data? И да, и нет. Для среднего бизнеса такие затраты могут и вправду показаться излишними — но в случае с корпорациями использование Big Data станет необходимостью.
Подпишись на наш телеграм канал
только самое важное и интересное
Источник: ispace.news
Big Data в маленькой компании: какие инструменты нужны бизнесу
Еще несколько лет назад Big Data ассоциировалась с огромными корпорациями, в которых трудятся тысячи сотрудников, а счет бюджетов идет на миллиарды долларов. Сегодня даже маленькие компании могут позволить себе работу с большими данными. Произошло это по нескольким причинам.
Первая — повышение доступности серверов и увеличение их мощностей. Раньше для серьезных задач, связанных с обработкой больших массивов данных, требовались целые ангары, заставленные оборудованием. Сегодня компьютеры стали более компактными и быстрыми. К тому же активно развивается система аренды — необязательно покупать все и сразу.
Вторая — появление облачных сервисов, которые с точки зрения мобильности, общего доступа к информации и скорости стали идеальным ответом на вызовы, стоящие перед небольшой компанией с огромными амбициями и ограниченными бюджетами.
Третья — усиление специализации. Рынок так сильно сегментирован, что на одном узком поле могут существовать десятки специализаций, каждая из которых имеет свои особенности.
Во главе угла оказались не мощности и бюджеты, а креативный подход к бизнесу. Масштаб перестал играть решающую роль — даже маленький бренд, отличающийся оригинальными услугами, может стать лидером и задавать тренды на всем рынке. Разберемся на конкретных примерах, как можно повысить эффективность бизнеса с помощью Big Data.
Технологий существует много, как и способов взаимодействия с клиентами. Со своей аудиторией нужно общаться через все возможные платформы — мессенджеры, соцсети, электронную почту и т.д. Однако в большинстве случаев финальная договоренность о встрече происходит через звонок, поэтому остановимся именно на тех решениях, которые позволяют брендам заговорить с потенциальными клиентами по телефону.
Работают ли холодные звонки
Многих волнует вопрос тактичности холодных звонков. Согласно нашим исследованиям, пользователи с большим энтузиазмом реагируют на первый шаг со стороны компании и рады, что им предлагают те продукты, в которых они были заинтересованы. В среднем уровень негатива со стороны потенциальной аудитории брендов чрезвычайно мал — от 0,5 до 1%. Самое интересное заключается в том, что те, кто ищет элитные объекты недвижимости и премиальные автомобили, настроены более лояльно. Сказывается то, что такие люди уже привыкли к высокому уровню клиентского сервиса и общению с продавцами по телефону.
Как дозвониться до людей через контекст
Источников трафика может быть много. Смоделируем ситуацию на примере контекстной рекламы.
Контекстная реклама способна «заваливать» пользователя тоннами предложений, показывать ему разные вижуалы и удивлять самым искрометным креативом, но не может сделать одного — заговорить с ним на человеческом языке. И именно этот барьер удается устранить, если обратиться к большим данным. На практике это происходит так:
- Пользователь заходит в поисковик и интересуется покупкой автомобиля;
- На него таргетируется контекстная реклама с различными предложениями на заданную тему;
- После посещения нескольких сайтов пользователь уходит. Лидом он так и не стал;
- Вроде бы все, но не в случае с использованием больших данных. Чтобы продолжить работу с ушедшим пользователем, запускается технология определения номеров и cookie match — сопоставление сведений о человеке с информацией от партнеров, у которых он мог зарегистрироваться, оставить данные и разрешить рекламную коммуникацию со стороны третьих лиц.
- В один прекрасный день у пользователя звонит телефон;
- Менеджер или оператор специализированной платформы выясняет у него интерес к покупке конкретного автомобиля и задает еще ряд ключевых вопросов;
- При согласии пользователя начинается классическая продажа.
Плюсы:
- Отлично работающий классический инструмент интернет-рекламы усиливается новыми технологиями;
- Эффективность обработки трафика заметно увеличивается.
Минусы:
- В контексте присутствует доля случайных посещений — кто-то смотрел ради интереса, случайно кликнул по баннеру, мониторил рынок.
Важно понимать, что это не замена контекстной рекламы, а возможность получить с нее больше лидов.
Расставляем сети для потенциальной аудитории с помощью претаргетинга
Возможно, вы видели, что у одного бренда (допустим, это жилой комплекс) существуют несколько посадочных страниц. И это не фейки, а официальные сайты объекта. Все это сделано для полноценного использования технологии претаргетинга.
Она помогает, когда важно максимизировать объем обращений. Стоит отметить, что для этого нужны достаточно большие вычислительные мощности, один сервер здесь явно не справится. На помощь приходят облачные решения, которые позволяют гибко масштабироваться, избегая нагрузочных падений.
Схема претаргетинга работает следующим образом: зеркальные страницы, дублирующие контент, становятся источниками трафика. Чем их больше, тем выше шанс того, что нужный пользователь получит необходимую информацию. С полученными данными о посетителях каждого сайта можно поступать разными способами.
К примеру, часть аудитории сама превратится в лиды, если на каждом из сайтов создать форму обратной связи. Кроме того, в рамках этой схемы также можно использовать технологии cookie match и холодные звонки, чтобы повысить эффективность.
Плюсы:
- Получение новой аудитории;
- Увеличение охвата;
- Дополнительная активность бренда.
Минусы:
- Для обработки большого количества информации требуются соответствующие вычислительные мощности и серверы.
Возвращаем заинтересованную аудиторию
Решения на основе технологии «ретаргетинг в звонок» предназначены для работы с аудиторией уже на сайте рекламодателя, для чего устанавливается специальный код. Пользователь может проявить интерес, но, например, не совершить целевых действий и не оставить никаких контактов. Чтобы его вернуть, происходит все то же самое, что и в случае с контекстом.
Плюсы:
- Увеличение конверсии сайта до 30%;
- 100% качественные звонки;
- 6-10% — конверсия в продажу в зависимости от сектора;
- Отсев нерелевантных посетителей сайта.
Данные цифры получены с помощью анализа соответствующих рекламных кампаний, в которых используется ретаргетинг в звонок.
Минусы:
- Ретаргетинг в звонок очень зависим от качества трафика на сайте рекламодателя. Если трафик низкого качества, то количество лидов будет невысоким;
- Эта технология не может быть единственным способом продвижения. Она позволяет улучшить результаты с уже имеющегося трафика;
- Большое влияние на эффективность технологии оказывает имидж бренда. Если имеются какие-либо проблемы репутационного характера, это непременно отразится и на работе ретаргетинга в звонок.
Важно понимать, что при использовании такой технологии через специализированные платформы до бренда доходит не просто лид, а уже профессионально обработанный пользователь, готовый к сделке и четко понимающий свои желания и потребности. Продавцам со стороны рекламодателя не приходится тратить время и остается главное — продавать.
Без человека ничего не заработает
Любая из технологий с использованием Big Data повышает прозрачность, что очень важно сегодня для рекламной индустрии. Технологии ретаргетинга в звонок и претаргетинга, а также им подобные позволяют отслеживать пользователя и коммуникацию во всех точках соприкосновения. Таким образом рекламодатель может анализировать воронку продаж на любом этапе и четко понимать эффективность и пользу от используемых технологий.
Однако нет никакой пользы от технологий, если результаты разбиваются о нежелание продавца работать.
Казалось бы — отделы маркетинга и продаж связаны одной целью. Тем не менее часто они не слышат друг друга. Согласно нашим внутренним исследованиям, порядка 30-35% контактов в недвижимости и авто после первичной консультации ждут повторную коммуникацию, но менеджеры из отдела продаж с ними не связываются. Около 10-15% контактов говорят, что готовы рассмотреть приобретение недвижимости или автомобиля, но их не устроило качество общения с отделом продаж. Если вы заинтересованы по максимуму использовать современные технологии, то следует убедиться, что ваш отдел продаж внимательно относится к каждому звонку.
Обобщая все вышесказанное, можно сделать следующие выводы:
- Сегодня Big Data — это история не про обладание сотнями серверов, а про возможности максимально использовать то, что уже есть;
- Технологии на основе данных сами по себе не панацея, нужно выбирать такие решения, которые дополняют другие инструменты;
- Большие данные дают возможности, но именно человек воплощает их в жизнь.
Источник: adindex.ru
За вами следят, а потом продают данные государству и компаниям. Как устроена Big Data в России
На самом деле большие данные — это неотъемлемая часть жизни людей и необходимая составляющая бизнеса. Однако понятие «Big Data» в российском законодательстве не особо прописано, что несет правовые риски. Какую информацию о вас могут собирать соцсети, банки, магазины, сотовые операторы и что могут продавать третьим лицам — в материале 66.RU.
Что такое Big Data
Фото: Анна Коваленко, 66.RU
- корпоративные базы данных;
- интернет (соцсети, блоги, форумы и др.);
- информация с датчиков, измерительных устройств и сенсорных сетей.
Три главные характеристики Big Data:
- Volume. Большой объем информации — потоки данных свыше 100 Гб в день. Big Data считается та информация, которая выходит за пределы возможностей обработки вручную.
- Velocity. Большая скорость накопления и необходимость в быстрой обработке.
- Variety. Большое разнообразие данных.
Кто и как собирает информацию
Фото: Анна Коваленко, 66.RU
Под сбором информации подразумевается любое действие потребителя, которое можно отследить. Например, передвижение абонентов мобильных операторов, подключение к wi-fi в общественном месте или оплата покупки банковской картой.
Первыми с большими данными начали работать сотовые операторы и поисковые системы. Сегодня к анализу Big Data в России присоединились банки, ретейлеры, интернет-компании и др. Несмотря на то, что рынок больших данных в РФ уступает масштабами западному, 54% российских компаний начали инвестировать в аналитику Big Data. По разным оценкам он составляет от 10 до 30 млрд рублей. В Ассоциации участников рынка больших данных прогнозируют, что к 2024 году его объем достигнет 300 млрд рублей.
Сотовые операторы
К июлю 2019 года в России было зарегистрировано 260,6 млн мобильных абонентов. По подсчетам компании Mediascope, 78% населения пользуется мобильным интернетом.
Мобильный оператор определяет, где находится каждый из его абонентов, их ежедневные маршруты. Но речь идет не только о геолокации. Компания знает, как часто абоненты ездят за границу, где любят гулять, какие сайты просматривают, в каких интернет-магазинах совершают покупки.
Банки
По карточным транзакциям банки видят, сколько, на что и где вы тратите деньги, сколько вам перевел работодатель. Эта информация также позволяет анализировать кредитоспособность клиента, что в конечном итоге сокращает время рассмотрения кредитных заявок.
Магазины
Ретейл также собирает сведения о покупателях: персональные данные (оформляя бонусную карту, вы оставите дату рождения, телефон и ФИО), историю покупок, информацию из чеков.
Поисковики, соцсети, сайты, приложения
Информацию собирают «Яндекс», Google, Facebook и еще бесконечное множество компаний. Например, «Яндекс» с помощью технологии «Крипта» анализирует 300 факторов и создает условный портрет пользователя — обезличенный человек без имени и конкретной даты рождения, со своими интересами и пристрастиями. Google собирает личные данные, информацию о действиях, созданный контент. Подробную инструкцию о том, как избавиться от слежки Google хотя бы частично, читайте здесь.
Даже лайки и комментарии, которые вы оставляете в социальных сетях, — часть Big Data. Например, Facebook признался в прослушке и расшифровке голосовых сообщений пользователей. Правда, в компании заявили, что предупреждали пользователей о прослушивании и расшифровке голосовых сообщений.
Какие ваши данные могут продать по закону
Фото: Анна Коваленко, 66.RU
В России нет отдельного законодательства, которое регулировало бы обработку больших данных. Занимаясь этим, компании должны руководствоваться Законом о персональных данных. Однако участники рынка и эксперты признают его размытость.
Попытки регулирования Big Data в России выглядят так:
- В октябре 2018 года депутаты «Единой России» Михаил Романов и Алексей Кобилев внесли в Госдуму законопроект, который обязывал интернет-компании уведомлять пользователей, что их данные будут обрабатываться в обезличенном виде. Документ не приняли и отправили на доработку.
- В августе 2019 года Ассоциация больших данных и Институт развития интернета объявили о создании кодекса этики использования Big Data. Кодекс, который приняли в декабре 2019-го, включает в себя принципы профессиональной этики, а также предполагает ведение реестра добросовестных участников. В комитете Госдумы по информполитике посчитали саморегулирование недостаточной мерой для рынка.
- В сентябре 2019 года Минкомсвязь разместила законопроект, предлагающий ввести понятие «обезличенные данные». Однако законопроект так и не внесли в Госудуму.
- В феврале 2020 года Минкомсвязь подготовила законопроект, который должен был закрепить подходы к обработке больших данных. Предложенные поправки предусматривают введение понятий «большие данные», «оператор больших данных» и «обработка больших данных». Однако в июне ведомство отозвало законопроект о регулировании рынка Big Data.
Компании, сайты и сервисы могут собирать персональную информацию (например, чтобы выдавать потом таргетированную рекламу), но не имеют права продавать ее третьим лицам.
Операторы Big Data обезличивают персональную информацию, обрабатывая ее в агрегированном виде, и получают статистические или демографические данные. Собственно, для тех, кто использует Big Data, не нужны конкретные имена, адреса и номера телефонов. Смысл больших данных завязан на объеме — чем он больше, тем эффективнее и точнее будет анализ поведения.
Для тех, кто собирает и покупает большие данные, вы будете не инженером с завода Ивановым Иваном Ивановичем 1987 года рождения, а мужчиной от 30 до 40 лет со средним достатком.
Правда, существует риск утечки персональных данных, что происходит регулярно. Тогда хакеры получают доступ к ФИО, телефонным номерам, паспортным данным и другой личной информации.
В чем польза Big Data для каждого
Польза для компаний от собранного массива информации понятна — они оптимизируют продажи, логистику, составляют портреты клиентов. Соответственно, доходы растут. Но Big Data приносит пользу и конечному потребителю.
Big Data и транспортная система города
Фото: Анна Коваленко, 66.RU
Big Data применяют в развитии транспортных систем городов. С помощью информации, полученной от сотовых операторов, интернет-провайдеров, камер наблюдения, можно оптимизировать потоки транспорта. Мегаполисы используют Big Data для объединения транспортной инфраструктуры с другими видами коммунальных услуг в единое целое. Зная данные о передвижениях, можно корректировать маршруты общественного транспорта, управлять светофорами, анализировать очаги аварийности, места скопления машин и своевременно устранять их.
В октябре 2019 года МБУ «Центр организации движения» заключило контракт с МТС на проведение анализа данных по изменению плотности и динамике перемещения людей в Екатеринбурге. Эта информация ляжет в основу научно-исследовательской работы, посвященной разработке транспортно-экономической модели города на перспективу до 2035 года. Обезличенная информация о количестве людей, направлении их перемещения и скорости даст «истинную картину плотности заселения» и позволит рассчитать реальную потребность в транспорте. Аналогичные проекты реализуют в Москве, Санкт-Петербурге и Тюмени Tele2 и «Мегафон».
В Москве Big Data используют для решения транспортных проблем давно и активно. В 2018 году в столице внедрили систему, которая определяет участки дороги с высоким риском ДТП. Она учитывает внешние факторы (осадки, освещение, температуру) и анализирует саму дорогу (ширину, пропускную способность, скорость потока). В итоге Ситуационный центр ЦОДД принимает решение о приоритетном вызове ГИБДД на место аварии с учетом расположения этих участков.
Большие данные используют для прокладывания маршрутов общественного транспорта: за перемещением пассажиров следят с помощью чипов в билетах, которые считываются при валидации.
С 2015 по 2018 год департамент информационных технологий Москвы потратил на покупку геоаналитики и мобильных операторов 516 млн рублей.
Big Data и магазины
Фото: Анна Коваленко, 66.RU
В Екатеринбурге 60% торговых точек на рынке продуктового ретейла поделили между собой четыре компании. Активнее всего город захватывает «Пятерочка» — магазины сети открывают в домах друг напротив друга. Причем, как правило, покупатели из одного магазина не ходят в другой, хотя ассортимент и стоимость товаров одинаковые.
Это значит, что в районе есть несколько независимых основных пешеходных маршрутов. И покупатель выберет «магазин у дома», а не пойдет через дорогу. Информацию о потоках покупателей как раз и собирают с помощью больших данных. Например, у сотовых операторов можно получить информацию о геопозиции устройств и их перемещении. Поставьте wi-fi и Bluetooth-точки в разных местах района — они соберут информацию о проходящих потенциальных покупателях через телефоны.
Один из известных примеров использования Big Data в продуктовом ретейле — опыт «Ленты». Основной источник данных о клиентах — карта лояльности. От 93 до 95% продаж в супермаркетах составляют транзакции с участием карт лояльности. Такой покупатель — часть клиентской базы, и магазин фиксирует и запоминает историю покупок, что позволяет спрогнозировать динамику спроса, создать адресные рекламные предложения и рассчитать оптимальный размер скидки.
Big Data помогает сузить поток информации для конечного потребителя — он получает уже целевую рекламу, которая заточена под него и, скорее всего, будет интересна.
Big Data и рестораны
Фото: Анна Коваленко, 66.RU
Как и в случае с магазинами, в пищевой индустрии большие данные используют для оптимизации меню и цен, для контроля качества и поставок продуктов. Однако рестораны также накапливают информацию из чеков, сумм чаевых, времени визитов, чтобы в итоге предугадывать предпочтения гостей.
Big Data и туризм
Фото: Анна Коваленко, 66.RU
Чтобы его развивать, в Свердловской области властям нужен срез — какие потоки туристов куда едут, где останавливаются, сколько платят и т. д. Его можно получить именно с помощью Big Data.
Коме того, анализируя данные мобильных операторов, можно контролировать спросы на авиа- и железнодорожные билеты, менять и добавлять направления. Например, понимая, что люди летают в определенную точку через их аэропорт, но с пересадками, воздушная гавань может привлечь авиакомпании, чтобы те открыли прямые рейсы.
Big Data и развитие бизнеса в городах
Министерство инвестиций и развития и Фонд поддержки предпринимательства Свердловской области с помощью Big Data анализируют потребность жителей небольших городов в предприятиях сфер услуг — кафе, парикмахерских, салонах красоты и т. д. В итоге бизнес получает развитие, а людям не приходится ездить за услугами в другой район или город.
Чтобы получить представление, какие ниши пустуют, специалисты анализируют платежные данные по банковским картам. Это позволяет выявить спрос и предложения. По словам директора СОФПП Валерия Пиличева, проект стал возможен после того, как массив людей, которые пользуются банковскими картами и цифровыми устройствами, вырос, а количество перешло в качество.
Сфер применения Big Data — бесконечное множество — от медицины до горного дела, от экологии до рекламы, и описать их все невозможно. С каждым годом рынок Big Data будет расти и развиваться. По прогнозам агентства ResearchAndMarket, рынок аналитики больших данных будет повышаться в среднем на 11,9% с 2020 по 2028 год. По прогнозам экспертов, он вырастет до 115,13 млрд долларов.
Источник: 66.ru