Ma'lumot kabi qabul qiling: korxonalar katta ma'lumotlardan qanday foyda olishni o'rganadilar

Katta ma'lumotlarni tahlil qilish orqali kompaniyalar yashirin naqshlarni ochishni o'rganadilar va biznes samaradorligini oshiradilar. Yo'nalish moda, ammo ular bilan ishlash madaniyati yo'qligi sababli hamma ham katta ma'lumotlardan foydalana olmaydi

“Insonning ismi qanchalik keng tarqalgan bo'lsa, o'z vaqtida to'lash ehtimoli shunchalik yuqori bo'ladi. Sizning uyingiz qanchalik ko'p qavatli bo'lsa, statistik ma'lumotlarga ko'ra, siz yaxshiroq qarz oluvchisiz. Zodiak belgisi pulni qaytarish ehtimoliga deyarli ta'sir qilmaydi, ammo psixotip sezilarli darajada ta'sir qiladi ", deydi Stanislav Dujinskiy, Home Credit Bank tahlilchisi, qarz oluvchilarning xatti-harakatlaridagi kutilmagan holatlar haqida. U ushbu naqshlarning ko'pini tushuntirishga majbur emas - ular minglab mijozlar profillarini qayta ishlagan sun'iy intellekt tomonidan aniqlangan.

Bu katta ma'lumotlar tahlilining kuchi: juda ko'p tuzilmagan ma'lumotlarni tahlil qilish orqali dastur eng dono inson tahlilchisi ham bilmaydigan ko'plab korrelyatsiyalarni aniqlashi mumkin. Har qanday kompaniya juda ko'p tuzilmagan ma'lumotlarga (katta ma'lumotlarga) ega - xodimlar, mijozlar, sheriklar, raqobatchilar to'g'risida, ular biznes manfaati uchun ishlatilishi mumkin: reklama ta'sirini yaxshilash, savdo o'sishiga erishish, xodimlar almashinuvini kamaytirish va hk.

Katta ma'lumotlar bilan birinchi bo'lib yirik texnologiya va telekommunikatsiya kompaniyalari, moliya institutlari va chakana savdo kompaniyalari ishladilar, deydi Deloitte Technology Integration Group direktori Rafail Miftaxov, MDH. Endi ko'plab sohalarda bunday echimlarga qiziqish bor. Kompaniyalar nimaga erishdilar? Va katta ma'lumotlarni tahlil qilish har doim qimmatli xulosalarga olib keladimi?

Banklar katta ma'lumotlar algoritmlaridan birinchi navbatda mijozlar tajribasini yaxshilash va xarajatlarni optimallashtirish, shuningdek, xavflarni boshqarish va firibgarlikka qarshi kurashish uchun foydalanadilar. "So'nggi yillarda katta ma'lumotlarni tahlil qilish sohasida haqiqiy inqilob sodir bo'ldi", deydi Dujinskiy. "Mashinani o'rganishdan foydalanish bizga kreditni to'lamaslik ehtimolini aniqroq bashorat qilish imkonini beradi - bizning bankimizdagi qarzdorlik atigi 3,9% ni tashkil qiladi." Taqqoslash uchun, 1-yil 2019-yanvar holatiga Markaziy bank ma’lumotlariga ko‘ra, jismoniy shaxslarga berilgan kreditlar bo‘yicha to‘lov muddati 90 kundan ortiq kechiktirilgan kreditlarning ulushi 5 foizni tashkil etdi.

Hatto mikromoliya tashkilotlari ham katta ma'lumotlarni o'rganishdan hayratda. "Bugungi kunda katta ma'lumotlarni tahlil qilmasdan moliyaviy xizmatlar ko'rsatish raqamlarsiz matematika kabidir", deydi Andrey Ponomarev, Webbankir, onlayn kreditlash platformasi bosh direktori. "Biz mijozni yoki uning pasportini ko'rmasdan onlayn tarzda pul chiqaramiz va an'anaviy kreditlashdan farqli o'laroq, biz nafaqat insonning to'lov qobiliyatini baholashimiz, balki uning shaxsini ham aniqlashimiz kerak."

Endi kompaniyaning ma'lumotlar bazasida 500 mingdan ortiq mijozlar haqidagi ma'lumotlar saqlanadi. Har bir yangi dastur ushbu ma'lumotlar bilan taxminan 800 parametrda tahlil qilinadi. Dastur nafaqat jinsi, yoshi, oilaviy ahvoli va kredit tarixini, balki shaxsning platformaga qaysi qurilmadan kirganini, saytda o‘zini qanday tutganini ham hisobga oladi. Misol uchun, potentsial qarz oluvchining kredit kalkulyatoridan foydalanmaganligi yoki kredit shartlari haqida so'ramaganligi tashvishli bo'lishi mumkin. "Bir nechta to'xtatuvchi omillar bundan mustasno - aytaylik, biz 19 yoshgacha bo'lgan shaxslarga kredit bermaymiz - bu parametrlarning hech biri o'z-o'zidan kredit berishni rad etish yoki unga rozi bo'lish uchun sabab emas", deb tushuntiradi Ponomarev. Bu omillarning kombinatsiyasi muhim ahamiyatga ega. 95% hollarda qaror avtomatik ravishda, anderrayting bo'limi mutaxassislari ishtirokisiz qabul qilinadi.

Katta ma'lumotlarni tahlil qilish bizga qiziqarli naqshlarni olish imkonini beradi, deydi Ponomarev. Misol uchun, iPhone foydalanuvchilari Android qurilmalari egalariga qaraganda ko'proq intizomli qarz oluvchilar bo'lib chiqdi - birinchisi ilovalarni 1,7 marta tez-tez ma'qullaydi. "Harbiy xizmatchilar o'rtacha qarz oluvchiga qaraganda deyarli chorak kamroq qarz to'lamasligi ajablanarli emas", deydi Ponomarev. "Ammo talabalar odatda majburiyatga ega bo'lishlari kutilmaydi, ammo shu bilan birga, kreditni to'lamaslik holatlari baza uchun o'rtacha ko'rsatkichdan 10% kamroq uchraydi."

Katta ma'lumotlarni o'rganish sug'urtachilar uchun ham ball olish imkonini beradi. 2016-yilda tashkil etilgan IDX hujjatlarni masofaviy identifikatsiya qilish va onlayn tekshirish bilan shug‘ullanadi. Ushbu xizmatlar tovarlarni imkon qadar kamroq yo'qotishdan manfaatdor bo'lgan yuklarni sug'urtalovchilar orasida talabga ega. Tovarlarni tashishni sug'urta qilishdan oldin sug'urtalovchi haydovchining roziligi bilan ishonchliligini tekshiradi, deb tushuntiradi IDX tijorat direktori Yan Sloka. Hamkor – Sankt-Peterburgning “Risk Control” kompaniyasi bilan birgalikda IDX haydovchining shaxsini, pasport ma’lumotlarini va huquqlarini, yukning yo‘qolishi bilan bog‘liq hodisalarda ishtirok etishini va hokazolarni tekshirish imkonini beruvchi xizmatni ishlab chiqdi. haydovchilar ma'lumotlar bazasida kompaniya "xavf guruhi" ni aniqladi: ko'pincha, yuk 30-40 yoshdagi uzoq haydash tajribasiga ega, yaqinda ish joyini tez-tez almashtirgan haydovchilar orasida yo'qoladi. Shuningdek, yukni ko‘pincha xizmat muddati sakkiz yildan ortiq bo‘lgan avtomashinalar haydovchilari o‘g‘irlashi ma’lum bo‘ldi.

Chakana sotuvchilarning vazifasi boshqacha - xarid qilishga tayyor bo'lgan mijozlarni aniqlash va ularni sayt yoki do'konga olib kelishning eng samarali usullarini aniqlash. Shu maqsadda dasturlar mijozlarning profilini, ularning shaxsiy hisobidagi ma'lumotlarni, xaridlar tarixini, qidiruv so'rovlarini va bonus ballaridan foydalanishni, ular to'ldirishni boshlagan va tashlab ketgan elektron savatlarning tarkibini tahlil qiladi. Ma'lumotlar tahlili butun ma'lumotlar bazasini segmentlarga bo'lish va ma'lum bir taklifga qiziqishi mumkin bo'lgan potentsial xaridorlar guruhlarini aniqlash imkonini beradi, - deydi M.Video-Eldorado guruhining ma'lumotlar idorasi direktori Kirill Ivanov.

Misol uchun, dastur mijozlar guruhlarini aniqlaydi, ularning har biri turli marketing vositalarini yoqtiradi - foizsiz kredit, naqd pul yoki chegirma promo-kodi. Ushbu xaridorlar tegishli reklama bilan elektron pochta xabarnomalarini olishadi. Ivanovning ta'kidlashicha, xatni ochgan odam kompaniyaning veb-saytiga kirishi ehtimoli sezilarli darajada oshadi.

Ma'lumotlarni tahlil qilish, shuningdek, tegishli mahsulotlar va aksessuarlar savdosini oshirishga imkon beradi. Boshqa mijozlarning buyurtma tarixini qayta ishlagan tizim xaridorga tanlangan mahsulot bilan birga nimani sotib olish bo'yicha tavsiyalar beradi. Ushbu ish usulini sinovdan o'tkazish, Ivanovning so'zlariga ko'ra, aksessuarlarga buyurtmalar soni 12% ga oshgan va aksessuarlar aylanmasi 15% ga oshgan.

Chakana sotuvchilar xizmat ko'rsatish sifatini yaxshilash va sotish hajmini oshirishga intilayotgan yagona kompaniya emas. O'tgan yozda MegaFon millionlab abonentlarning ma'lumotlarini qayta ishlashga asoslangan "aqlli" taklif xizmatini ishga tushirdi. Ularning xulq-atvorini o‘rganib chiqib, sun’iy intellekt har bir mijoz uchun tariflar doirasida shaxsiy takliflar shakllantirishni o‘rgandi. Misol uchun, agar dastur odam o'z qurilmasida videoni faol tomosha qilayotganini qayd etsa, xizmat unga mobil trafik hajmini kengaytirishni taklif qiladi. Foydalanuvchilarning xohish-istaklarini inobatga olgan holda kompaniya abonentlarga internetdagi dam olishning sevimli turlari - masalan, messenjerlardan foydalanish yoki striming xizmatlarida musiqa tinglash, ijtimoiy tarmoqlarda suhbatlashish yoki teleko'rsatuvlarni tomosha qilish uchun cheksiz trafikni taqdim etadi.

"Biz abonentlarning xatti-harakatlarini tahlil qilamiz va ularning qiziqishlari qanday o'zgarib borayotganini tushunamiz", deb tushuntiradi MegaFon katta ma'lumotlar tahlili direktori Vitaliy Shcherbakov. “Masalan, joriy yilda AliExpress trafigi oʻtgan yilga nisbatan 1,5 baravar oshdi va umuman olganda, onlayn kiyim-kechak doʻkonlariga tashriflar soni koʻpaymoqda: maʼlum manbaga qarab 1,2–2 barobar.”

Katta ma'lumotlarga ega operator ishining yana bir misoli - yo'qolgan bolalar va kattalarni qidirish uchun MegaFon Poisk platformasi. Tizim bedarak yo‘qolgan joy yaqinida qaysi odamlar bo‘lishi mumkinligini tahlil qiladi va ularga bedarak yo‘qolgan shaxsning fotosurati va belgilari bilan ma’lumot yuboradi. Operator tizimni Ichki ishlar vazirligi va Lisa Alert tashkiloti bilan birgalikda ishlab chiqdi va sinovdan o'tkazdi: bedarak yo'qolgan shaxsga yo'naltirilgandan so'ng ikki daqiqa ichida 2 mingdan ortiq abonentlar olishadi, bu esa muvaffaqiyatli qidiruv natijasi ehtimolini sezilarli darajada oshiradi.

Katta ma'lumotlarni tahlil qilish sanoatda ham qo'llanilishini topdi. Bu yerda talabni prognoz qilish va sotishni rejalashtirish imkonini beradi. Shunday qilib, Cherkizovo kompaniyalar guruhida, uch yil oldin, SAP BW-ga asoslangan yechim amalga oshirildi, bu sizga barcha savdo ma'lumotlarini saqlash va qayta ishlash imkonini beradi: narxlar, assortiment, mahsulot hajmi, aktsiyalar, tarqatish kanallari, - deydi Vladislav Belyaev, CIO. "Cherkizovo" guruhi. To'plangan 2 TB ma'lumotni tahlil qilish nafaqat assortimentni samarali shakllantirish va mahsulot portfelini optimallashtirish imkonini berdi, balki xodimlarning ishini ham osonlashtirdi. Misol uchun, kundalik savdo hisobotini tayyorlash ko'plab tahlilchilarning bir kunlik ishini talab qiladi - har bir mahsulot segmenti uchun ikkitadan. Endi bu hisobot robot tomonidan tayyorlanib, barcha segmentlarga atigi 30 daqiqa vaqt sarflaydi.

Umbrella IT bosh direktori Stanislav Meshkov: "Sanoatda katta ma'lumotlar narsalar Interneti bilan birgalikda samarali ishlaydi". "Uskunalar bilan jihozlangan datchiklar ma'lumotlarini tahlil qilish asosida uning ishlashidagi og'ishlarni aniqlash va buzilishlarning oldini olish va ishlashni taxmin qilish mumkin."

Severstalda katta ma'lumotlar yordamida ular juda ahamiyatsiz bo'lmagan vazifalarni - masalan, jarohatlar sonini kamaytirishga harakat qilmoqdalar. 2019-yilda kompaniya mehnat xavfsizligini oshirish chora-tadbirlari uchun 1,1 milliard rublga yaqin mablag‘ ajratdi. Severstal jarohatlar darajasini 2025% ga 50 ga kamaytirishni kutmoqda (2017 yilga nisbatan). "Agar chiziq boshlig'i - usta, uchastka boshlig'i, do'kon boshlig'i - xodimning ma'lum operatsiyalarni bexatar bajarayotganini payqasa (sanoat maydonchasida zinapoyaga chiqishda tutqichlardan ushlab turmasa yoki barcha shaxsiy himoya vositalarini kiymasa), u yozadi. unga alohida eslatma - PAB ("xulq-atvor xavfsizligi auditi" dan), - deydi Boris Voskresenskiy, kompaniyaning ma'lumotlarni tahlil qilish bo'limi boshlig'i.

Bo'limlardan biridagi PABlar soni to'g'risidagi ma'lumotlarni tahlil qilgandan so'ng, kompaniya mutaxassislari xavfsizlik qoidalarini ko'pincha ilgari bir nechta eslatmalarga ega bo'lganlar, shuningdek, kasallik ta'tilida yoki ta'tilda bo'lganlar tomonidan buzganligini aniqladilar. voqea. Ta'tildan yoki kasallik ta'tilidan qaytganidan keyin birinchi haftada buzilishlar keyingi davrga qaraganda ikki baravar ko'p: 1 ga nisbatan 0,55%. Ammo tungi smenada ishlash, ma'lum bo'lishicha, PAB statistikasiga ta'sir qilmaydi.

Katta ma'lumotlarni qayta ishlash algoritmlarini yaratish ishning eng qiyin qismi emas, deydi kompaniya vakillari. Ushbu texnologiyalarni har bir aniq biznes kontekstida qanday qo'llash mumkinligini tushunish ancha qiyin. Aynan shu erda kompaniya tahlilchilari va hatto tashqi provayderlar Axillesning tovoni yotadi, ular katta ma'lumotlar sohasida tajriba to'plagan ko'rinadi.

"Men tez-tez a'lo darajadagi matematiklar bo'lgan, ammo biznes jarayonlari haqida kerakli tushunchaga ega bo'lmagan katta ma'lumotlar tahlilchilari bilan tez-tez uchrashardim", deydi GoodsForecast kompaniyasining rivojlanish bo'yicha direktori Sergey Kotik. U ikki yil oldin uning kompaniyasi federal chakana savdo tarmog'i uchun talabni prognozlash tanlovida qatnashish imkoniga ega bo'lganini eslaydi. Ishtirokchilar prognoz qilgan barcha tovarlar va do'konlar uchun tajriba hududi tanlandi. Keyin prognozlar haqiqiy savdo bilan solishtirildi. Birinchi oʻrinni mashinalarni oʻrganish va maʼlumotlarni tahlil qilish boʻyicha tajribasi bilan mashhur boʻlgan Rossiya internet gigantlaridan biri egalladi: oʻz prognozlarida u haqiqiy sotuvdan minimal ogʻish koʻrsatdi.

Ammo tarmoq uning prognozlarini batafsil o'rganishni boshlaganida, biznes nuqtai nazaridan ular mutlaqo qabul qilinishi mumkin emasligi ma'lum bo'ldi. Kompaniya tizimli ravishda kamaytirilgan savdo rejalarini ishlab chiqaradigan modelni taqdim etdi. Dastur prognozlardagi xatolar ehtimolini qanday kamaytirishni aniqladi: sotishni kam baholab qo'yish xavfsizroq, chunki maksimal xato 100% bo'lishi mumkin (salbiy sotuvlar yo'q), lekin ortiqcha prognozlash yo'nalishi bo'yicha u o'zboshimchalik bilan katta bo'lishi mumkin, Kotik tushuntiradi. Boshqacha qilib aytganda, kompaniya ideal matematik modelni taqdim etdi, bu real sharoitda do'konlarning yarmi bo'sh bo'lishiga va past sotishdan katta yo'qotishlarga olib keladi. Natijada, hisob-kitoblari amaliyotga tatbiq etilishi mumkin bo'lgan boshqa kompaniya tanlovda g'olib chiqdi.

Katta ma'lumotlar texnologiyalari ko'plab sohalar uchun dolzarbdir, ammo ularni faol joriy etish hamma joyda ham uchramaydi, deydi Meshkov. Masalan, sog'liqni saqlash sohasida ma'lumotlarni saqlash bilan bog'liq muammo mavjud: juda ko'p ma'lumotlar to'plangan va ular muntazam ravishda yangilanadi, lekin ko'pincha bu ma'lumotlar hali raqamlashtirilmagan. Davlat idoralarida ham juda ko'p ma'lumotlar mavjud, ammo ular umumiy klasterga birlashtirilmagan. Milliy ma’lumotlarni boshqarish tizimining (NCMS) yagona axborot platformasini ishlab chiqish ana shu muammoni hal qilishga qaratilgan, deydi ekspert.

Biroq, bizning mamlakatimiz aksariyat tashkilotlarda muhim qarorlar katta ma'lumotlar tahlili emas, balki sezgi asosida qabul qilinadigan yagona mamlakatdan uzoqda. O‘tgan yilning aprel oyida Deloitte yirik Amerika kompaniyalarining mingdan ortiq rahbarlari (xodimlari soni 500 nafar va undan ko‘p) o‘rtasida so‘rov o‘tkazdi va so‘rovda qatnashganlarning 63 foizi katta ma’lumotlar texnologiyalari bilan tanish ekanligini, biroq barcha kerakli texnologiyalarga ega emasligini aniqladi. ulardan foydalanish uchun infratuzilma. Shu bilan birga, analitik etuklik darajasi yuqori bo'lgan kompaniyalarning 37 foizi orasida so'nggi 12 oy ichida deyarli yarmi biznes maqsadlaridan sezilarli darajada oshib ketdi.

Tadqiqot shuni ko'rsatdiki, yangi texnik echimlarni amalga oshirishdagi qiyinchiliklardan tashqari, kompaniyalarda ma'lumotlar bilan ishlash madaniyatining yo'qligi muhim muammodir. Katta ma'lumotlar asosida qabul qilingan qarorlar uchun javobgarlik butun kompaniyaga emas, balki faqat kompaniya tahlilchilariga yuklangan bo'lsa, yaxshi natijalarni kutmasligingiz kerak. "Endi kompaniyalar katta ma'lumotlar uchun qiziqarli foydalanish holatlarini qidirmoqdalar", deydi Miftaxov. "Shu bilan birga, ayrim stsenariylarni amalga oshirish ilgari tahlil qilinmagan qo'shimcha ma'lumotlarni yig'ish, qayta ishlash va sifatini nazorat qilish tizimlariga investitsiyalarni talab qiladi." Afsuski, "tahlil hali jamoaviy sport turi emas", deb tan olishadi tadqiqot mualliflari.