Большие данные нужны всем
Когда у вас есть данные, вы придумаете, как их монетизировать. Я не могу представить компании, которым большие данные не нужны. Есть компании, у которых своих данных настолько мало, что на них аналитики не построишь. Но можно ведь их закупать?
Всем компаниям нужно подумать, как использовать свои данные для выгоды.
И этот вопрос стоит задать не только топам, но и рядовым сотрудникам.
Идея должна жить внутри корпоративного интеллекта. Из опыта стартапов Кремниевой долины видно, что несколько человек всё не придумают. И когда в компании родится идея, нужно, чтобы люди ее поддержали.
Сами данные роли не играют
Правильнее говорить не о больших данных, а о больших деньгах. И я надеюсь, что в ближайшем будущем мы будем говорить о сверхбольших деньгах. Сами данные и их объем не играют большую роль.
Если у вас есть знания о клиенте, которые вы можете монетизировать за хорошую сумму — это и есть большие данные.
Big Data — это не объем данных, а возможность зарабатывать на том, что имеется. Это включает в себя не только хранение и аналитику данных, а еще и бизнес-процесс. Нужно создать такой механизм, в котором от формирования самой выборки клиентов до реальной конверсии все упаковано в процесс, приводящий к продажам.
Работа с данными должна начаться с руководства
Важно, чтобы в компаниях появлялось все больше людей, которые разбираются в анализе данных. В первую очередь учиться нужно ключевым руководителям, чтобы понимать, куда они хотят двигаться. Без знаний о работе больших данных это будет абстрактно.
Когда принято решение, куда двигаться, нужно обучить людей, которые влияют на наполнение бизнеса — маркетологи. Многие идеи приходят от них. Затем обучить аналитиков и менеджеров среднего звена.
Полезно использовать разные параметры выборки данных
Рассмотрим модель оттока. Сначала надо определиться, когда происходит отток. У сотового оператора нет такого, что клиент приходит в офис разрывать договор. Он просто выкидывает сим-карту и начинает пользоваться услугами другого оператора.
Со стороны оператора это выглядит так, что клиент просто исчез. Но если неделю или две он не пользуется сим-картой, то это отток или человек просто уехал в отпуск? Обычно используется для понимания одномесячный и трехмесячный отток.
Следующий вопрос — на какой период строится модель? Нужно закладывать время, необходимое на коммуникацию. Если для обзвона клиентов нужно две недели, то они учитываются. И надо определиться с понятием точности.
Если вы предлагаете удерживающее предложение — звоните и предлагаете клиенту что-то, что может его удержать. В каком количестве случаев можно ошибаться и допускать погрешности. От этого будут зависеть те параметры, которых вы хотите достигнуть в модели. Это те условия, которые нужно учесть для Data Science. Это все бизнес-упаковка моделирования.
Банки и телеком знают о пользователях больше других
Большой разницы нет, но банки более зарегулированы, чем телеком. Закон о банковской тайне жестче, чем закон о связи. Любые процессы в банке, связанные с данными, нуждаются в согласованиях. Согласования важно поставить на поток, чтобы они не занимали много времени. Иначе процессы будут умирать или двигаться очень медленно.
С точки зрения перекрытия сферы влияния, на рынке есть три ключевых игрока.
- Это банки, через которые проходят все транзакции и где содержится вся информация о том, на что человек тратит деньги.
- Это телекомы — они знают многое о поведении человека, где он бывает, с кем общается и может также совершать транзакции.
- И поисковики — им известно, что я хочу в данный момент, что ищу сейчас. Они выходят на рынок связи, покупая мессенджеры, входят в тему с цифровой коммерцией.
Телекомы могли давно съесть бизнес компаний, занимающихся денежными переводами. Мобильный телефон есть у каждого, но мне непонятно, почему до сих пор деньги переводят через сторонние сервисы? Банки могли бы сделать свои системы переводов более удобными, чтобы было конкуренции меньше. Однако у всех компаний доминирует основной бизнес.
Материалы по теме: