«Ролевые игры» c big data

 

Сегодня ключевой фактор — не владение информацией, а умение ею распоряжаться. Кроме того, поменялись отношения между компаниями и потребителями: клиент не всегда идет за продуктом сам, скорее, продукт находит своего клиента. Происходит своеобразная смена ролей в отношениях «продавец — потребитель», и не только.

 

Здесь свой отпечаток оставляют технологии big data, которые дают возможность предугадывать предпочтения потребителей. Поэтому масштабы компании не всегда могут быть доводом против ее перехода на цифровые рельсы.

 

Большие данные уже давно незаметно для нас стали неотъемлемой частью нашей жизни. Как отмечают эксперты, многие из нас уже используют большие данные в своей повседневной жизни, когда ищут что-то в интернете или сидят в соцсетях. Большие данные присутствуют и в электронной коммерции, и в новостных ресурсах, и в наших телефонах, и в «умном» телевизоре в вашем доме. Мы используем их, даже занимаясь спортом, когда высчитываем количество пройденных шагов и сожженных калорий.

 

Примеров того, как различные компании работают с big data, тоже множество, и у всех одна цель — создать эффективную модель прогнозирования. Одна известная американская ретейл-компания предугадывает не только то, когда и какие товары будут лучше распродаваться, но даже даты родов у своих клиентов. Телеком-компании с помощью big data могут спрогнозировать отток клиентов, а страховые компании — насколько хорошо их клиенты управляют автомобилем.

 

Ретейл-компании оптимизируют свои склады с учетом прогнозирования, которое выстраивается на информации, полученной из социальных сетей, историй поисковых запросов в интернете и даже прогноза погоды. Конкретный бизнес-процесс с использованием big data можно наблюдать, например, в цепочке поставок или оптимизации маршрутов доставки товара. Здесь используется текущая информация о трафике с помощью сенсоров GPS-устройств и частот радиоволн.

 

В настоящее время инструменты big data применяют для мониторинга состояния недоношенных или больных младенцев в родильных отделениях. Кроме того, с помощью разработанных алгоритмов можно предугадать появление инфекции за сутки до первых симптомов, то есть предотвратить распространение эпидемий.

 

Набирает обороты применение аналитики big data в спорте, в частности, речь идет о предугадывании исходов матчей, контроле эмоционального состояния игроков и т. д.

 

Big data также используют для повышения безопасности как в реальной жизни, так и против кибератак. В некоторых странах полиция отслеживает преступников по информации, сгенерированной благодаря big data, и может предсказать криминальную активность.

 

В автомобильной отрасли используют большие данные для диагностики автомобилей и проверки систем. А в сфере корпоративных путешествий анализ всех осуществленных поездок помогает лучше контролировать бюджет путешествий и сформировать политику и культуру корпоративных поездок.

 

Помимо этого big data используют при добыче, переработке и сбыте полезных ископаемых. Предприятия на основе поступающей информации могут делать выводы об эффективности разработки месторождения, отслеживать график капитального ремонта и состояние оборудования, прогнозировать спрос на продукцию и цены.

 

Но, наверное, наиболее активно, за исключением разве что ретейла, работа с big data ведется в финансовом секторе. Для тех же банков это возможность проанализировать кредитоспособность своего заемщика и сократить время рассмотрения кредитных заявок. Кроме того, анализ операций конкретного клиента позволяет предложить ему подходящие банковские услуги, что повышает вероятность их приобретения.

 

Не менее интересный тренд на волне работы с big data — появляющиеся коллаборации между игроками разных отраслей. Например, мобильные операторы, обладая обширными данными, берутся за обогащение банковского скоринга. Обычно банки, проводя кредитный скоринг, оперируют собственными данными о клиентах. А у мобильных операторов много дополнительной информации, которая позволяет повысить точность оценки платежеспособности заемщика и более точно определить приемлемый размер кредита, срок его предоставления, процентную ставку и т. д. Благодаря взаимодействию игроков банковского и телеком-сектора можно прийти к единому процессу.

 

Банки, заинтересованные в более точном скоринге, посылают запрос в адрес мобильного оператора. У мобильного оператора точно такое же решение, которое позволяет ему повышать точность оценки и зарабатывать на этом, предоставляя уточненную информацию в банк. Вендоры же таких решений обеспечивают технологическую поддержку обеим сторонам процесса.

 

Иными словами, уже сегодня компании могут задать свои цифровые стандарты, на которые должны будут равняться их конкуренты. В условиях цифровой трансформации огромную роль играет информация из разных источников, и нужно уметь ее анализировать для принятия правильного решения. Ведь компаниям важно не только удержать лояльных клиентов, но и привлечь новых.

 

При всем этом не стоит забывать еще один аспект, который связан с использованием данных как актива. Компании, да что там — даже государства могут накапливать, а затем продавать информацию. Как отмечают вендоры, поставляющие решения для работы с big datа, наиболее перспективные данные — это те, что в будущем станут более дорогостоящими. А ими будут располагать, прежде всего, отрасли, связанные с массовым рынком. Объединение данных компаний из этих отраслей позволяет более точно предсказать поведение и мотивацию потребителей к покупке. Поэтому более востребованными могут быть данные от ретейла, телекома, банков, страховых компаний и даже госструктур.

 

Айман Хамитова, Рахимбек Асанов

 

  • Нравится

Комментарии к статье (0)

чтобы оставить комментарии.

Статьи по теме