Accepta dades semblants: com les empreses aprenen a treure profit del big data

Mitjançant l'anàlisi de big data, les empreses aprenen a descobrir patrons ocults, millorant el seu rendiment empresarial. La direcció està de moda, però no tothom es pot beneficiar del big data a causa de la manca d'una cultura de treball amb ells

"Com més comú sigui el nom d'una persona, més probabilitats hi haurà de pagar a temps. Com més pisos tingui la teva casa, més estadísticament ets un millor prestatari. El signe del zodíac gairebé no té cap efecte sobre la probabilitat de reemborsament, però el psicotip sí que ho fa de manera significativa ", diu Stanislav Duzhinsky, analista de Home Credit Bank, sobre patrons inesperats en el comportament dels prestataris. No es compromet a explicar molts d'aquests patrons: van ser revelats per la intel·ligència artificial, que va processar milers de perfils de clients.

Aquest és el poder de l'anàlisi de big data: mitjançant l'anàlisi d'una gran quantitat de dades no estructurades, el programa pot descobrir moltes correlacions que l'analista humà més savi ni tan sols coneix. Qualsevol empresa té una gran quantitat de dades no estructurades (big data) sobre empleats, clients, socis, competidors, que es poden utilitzar per a beneficis empresarials: millorar l'efecte de les promocions, aconseguir un creixement de vendes, reduir la rotació de personal, etc.

Les primeres a treballar amb big data van ser les grans empreses tecnològiques i de telecomunicacions, les institucions financeres i el comerç minorista, comenta Rafail Miftakhov, director del Grup d'Integració Tecnològica de Deloitte, CIS. Ara hi ha interès en aquestes solucions en moltes indústries. Què han aconseguit les empreses? I l'anàlisi de big data sempre condueix a conclusions valuoses?

Els bancs utilitzen algorismes de big data principalment per millorar l'experiència del client i optimitzar els costos, així com per gestionar el risc i combatre el frau. "En els últims anys, s'ha produït una autèntica revolució en el camp de l'anàlisi de big data", diu Duzhinsky. "L'ús de l'aprenentatge automàtic ens permet predir la probabilitat d'incompliment del préstec amb molta més precisió: la morositat al nostre banc és només del 3,9%". Per comparació, a partir de l'1 de gener de 2019, la proporció de préstecs amb venciments superiors a 90 dies en préstecs concedits a persones físiques era, segons el Banc Central, del 5%.

Fins i tot les organitzacions de microfinances estan desconcertades per l'estudi de les grans dades. "Proporcionar serveis financers sense analitzar grans dades avui és com fer matemàtiques sense números", diu Andrey Ponomarev, director general de Webbankir, una plataforma de préstecs en línia. "Emetem diners en línia sense veure ni el client ni el seu passaport, i a diferència del préstec tradicional, no només hem d'avaluar la solvència d'una persona, sinó també identificar la seva personalitat".

Ara la base de dades de l'empresa emmagatzema informació sobre més de 500 mil clients. Cada nova aplicació s'analitza amb aquestes dades en uns 800 paràmetres. El programa té en compte no només el gènere, l'edat, l'estat civil i l'historial de crèdit, sinó també el dispositiu des del qual una persona va entrar a la plataforma, com es va comportar al lloc. Per exemple, pot ser alarmant que un possible prestatari no utilitzi una calculadora de préstecs o no pregunti sobre les condicions d'un préstec. "Amb l'excepció d'alguns factors d'aturada (per exemple, no concedim préstecs a persones menors de 19 anys), cap d'aquests paràmetres en si mateix és un motiu per negar-se o acceptar emetre un préstec", explica Ponomarev. El que importa és la combinació de factors. En el 95% dels casos, la decisió es pren de manera automàtica, sense la participació d'especialistes del departament de subscripció.

L'anàlisi de grans dades ens permet obtenir patrons interessants, comparteix Ponomarev. Per exemple, els usuaris d'iPhone van resultar ser prestataris més disciplinats que els propietaris de dispositius Android: els primers reben l'aprovació de les aplicacions 1,7 vegades més sovint. "El fet que el personal militar no pagui els préstecs gairebé una quarta part menys que el prestatari mitjà no va ser una sorpresa", diu Ponomarev. "Però normalment no s'espera que els estudiants estiguin obligats, però mentrestant, els casos d'incompliment de crèdit són un 10% menys freqüents que la mitjana de la base".

L'estudi de big data permet puntuar també per a les asseguradores. Creada el 2016, IDX es dedica a la identificació remota i la verificació en línia de documents. Aquests serveis són demanats entre les asseguradores de mercaderies que estan interessades en la pèrdua de mercaderies el menys possible. Abans d'assegurar el transport de mercaderies, l'asseguradora, amb el consentiment del conductor, comprova la fiabilitat, explica Jan Sloka, director comercial d'IDX. Juntament amb un soci, l'empresa "Risk Control" de Sant Petersburg, IDX ha desenvolupat un servei que permet comprovar la identitat del conductor, les dades i els drets del passaport, la participació en incidents relacionats amb la pèrdua de càrrega, etc. Després de l'anàlisi A la base de dades de conductors, l'empresa va identificar un "grup de risc": la majoria de vegades, la càrrega es perd entre els conductors d'entre 30 i 40 anys amb una llarga experiència de conducció, que sovint han canviat de feina recentment. També va resultar que la càrrega és robada amb més freqüència pels conductors de cotxes, la vida útil dels quals supera els vuit anys.

Els minoristes tenen una tasca diferent: identificar els clients que estan preparats per fer una compra i determinar les maneres més efectives de portar-los al lloc o a la botiga. Per això, els programes analitzen el perfil dels clients, les dades del seu compte personal, l'historial de compres, les consultes de cerca i l'ús de punts de bonificació, el contingut de les cistelles electròniques que van començar a omplir i van abandonar. L'anàlisi de dades us permet segmentar tota la base de dades i identificar grups de compradors potencials que poden estar interessats en una oferta concreta, diu Kirill Ivanov, director de l'oficina de dades del grup M.Video-Eldorado.

Per exemple, el programa identifica grups de clients, a cadascun dels quals els agraden diferents eines de màrqueting: un préstec sense interessos, una devolució en efectiu o un codi promocional de descompte. Aquests compradors reben un butlletí per correu electrònic amb la promoció corresponent. La probabilitat que una persona, després d'haver obert la carta, vagi al lloc web de l'empresa, en aquest cas augmenta significativament, assenyala Ivanov.

L'anàlisi de dades també us permet augmentar les vendes de productes i accessoris relacionats. El sistema, que ha processat l'historial de comandes d'altres clients, ofereix al comprador recomanacions sobre què comprar juntament amb el producte seleccionat. Les proves d'aquest mètode de treball, segons Ivanov, van mostrar un augment del nombre de comandes amb accessoris en un 12% i un augment de la facturació d'accessoris en un 15%.

Els minoristes no són els únics que s'esforcen per millorar la qualitat del servei i augmentar les vendes. L'estiu passat, MegaFon va llançar un servei d'oferta "intel·ligent" basat en el processament de dades de milions de subscriptors. Després d'estudiar el seu comportament, la intel·ligència artificial ha après a formar ofertes personals per a cada client dins de les tarifes. Per exemple, si el programa assenyala que una persona està veient vídeo activament al seu dispositiu, el servei li oferirà ampliar la quantitat de trànsit mòbil. Tenint en compte les preferències dels usuaris, l'empresa ofereix als subscriptors un trànsit il·limitat per als seus tipus d'oci preferits a Internet, per exemple, utilitzar missatgeria instantània o escoltar música en serveis de streaming, xatejar a les xarxes socials o veure programes de televisió.

"Analitzem el comportament dels subscriptors i entenem com estan canviant els seus interessos", explica Vitaly Shcherbakov, director d'anàlisi de dades grans de MegaFon. "Per exemple, aquest any, el trànsit d'AliExpress ha crescut 1,5 vegades en comparació amb l'any passat i, en general, el nombre de visites a botigues de roba en línia està creixent: 1,2-2 vegades, depenent del recurs específic".

Un altre exemple del treball d'un operador amb big data és la plataforma MegaFon Poisk per a la recerca de nens i adults desapareguts. El sistema analitza quines persones podrien trobar-se a prop del lloc de la persona desapareguda i els envia informació amb una fotografia i senyals de la persona desapareguda. L'operador va desenvolupar i provar el sistema juntament amb el Ministeri d'Afers Interns i l'organització Lisa Alert: en dos minuts d'orientació a la persona desapareguda, reben més de 2 mil subscriptors, la qual cosa augmenta significativament les possibilitats d'un resultat de cerca reeixit.

L'anàlisi de big data també ha trobat aplicació a la indústria. Aquí us permet preveure la demanda i planificar les vendes. Per tant, al grup d'empreses de Cherkizovo, fa tres anys, es va implementar una solució basada en SAP BW, que permet emmagatzemar i processar tota la informació de vendes: preus, assortiment, volums de productes, promocions, canals de distribució, diu Vladislav Belyaev, CIO. del grup "Txerkizovo. L'anàlisi de la informació acumulada de 2 TB no només va permetre formar l'assortiment de manera eficaç i optimitzar la cartera de productes, sinó que també va facilitar el treball dels empleats. Per exemple, preparar un informe de vendes diari requeriria un dia de treball de molts analistes, dos per a cada segment de producte. Ara aquest informe està preparat pel robot, que només dedica 30 minuts a tots els segments.

"A la indústria, el big data funciona de manera eficaç juntament amb l'Internet de les coses", diu Stanislav Meshkov, director general d'Umbrella IT. "A partir de l'anàlisi de les dades dels sensors amb què està equipat l'equip, és possible identificar desviacions en el seu funcionament i prevenir avaries i predir el rendiment".

A Severstal, amb l'ajuda de big data, també estan intentant resoldre tasques més aviat no trivials, per exemple, reduir les taxes de lesions. El 2019, l'empresa va destinar uns 1,1 milions de RUB a mesures per millorar la seguretat laboral. Severstal espera reduir la taxa de lesions el 2025% en un 50 (en comparació amb el 2017). "Si un cap de línia (cap d'obra, director d'obra, director de botiga) va notar que un empleat realitza determinades operacions de manera insegura (no s'aferra a les baranes quan puja les escales del lloc industrial o no porta tots els equips de protecció individual), escriu. una nota especial per a ell: PAB (de "auditoria de seguretat del comportament")", diu Boris Voskresensky, cap del departament d'anàlisi de dades de l'empresa.

Després d'analitzar dades sobre el nombre de PAB d'una de les divisions, els especialistes de l'empresa van comprovar que les normes de seguretat eren més sovint incomplides per aquells que ja havien fet diverses observacions abans, així com per aquells que estaven de baixa o de vacances poc abans. l'incident. Les infraccions durant la primera setmana després de tornar de vacances o baixa per malaltia van ser el doble que en el període posterior: 1 versus 0,55%. Però treballar al torn de nit, com va resultar, no afecta les estadístiques dels PAB.

La creació d'algoritmes per processar grans dades no és la part més difícil de la feina, diuen els representants de l'empresa. És molt més difícil entendre com es poden aplicar aquestes tecnologies en el context de cada negoci específic. Aquí és on es troba el taló d'Aquil·les dels analistes d'empreses i fins i tot dels proveïdors externs, que, pel que sembla, han acumulat experiència en el camp del big data.

"Sovint vaig conèixer analistes de big data que eren excel·lents matemàtics, però que no tenien la comprensió necessària dels processos empresarials", diu Sergey Kotik, director de desenvolupament de GoodsForecast. Recorda com fa dos anys la seva empresa va tenir l'oportunitat de participar en un concurs de previsió de demanda per a una cadena minorista federal. Es va triar una regió pilot, per a tots els productes i botigues dels quals els participants van fer previsions. Després es van comparar les previsions amb les vendes reals. El primer lloc el va ocupar un dels gegants russos d'Internet, conegut per la seva experiència en aprenentatge automàtic i anàlisi de dades: en les seves previsions, mostrava una desviació mínima de les vendes reals.

Però quan la xarxa va començar a estudiar les seves previsions amb més detall, va resultar que des del punt de vista empresarial, són absolutament inacceptables. La companyia va introduir un model que produïa plans de vendes amb una subestimació sistemàtica. El programa va descobrir com minimitzar la probabilitat d'errors en les previsions: és més segur subestimar les vendes, ja que l'error màxim pot ser del 100% (no hi ha vendes negatives), però en la direcció de la sobreprevisió, pot ser arbitràriament gran, explica Kotik. En altres paraules, l'empresa va presentar un model matemàtic ideal, que en condicions reals comportaria botigues mig buides i grans pèrdues per subvendes. Com a resultat, una altra empresa va guanyar el concurs, els càlculs de la qual es van poder posar en pràctica.

Les tecnologies de big data són rellevants per a moltes indústries, però la seva implementació activa no es produeix a tot arreu, assenyala Meshkov. Per exemple, a la sanitat hi ha un problema amb l'emmagatzematge de dades: s'ha acumulat molta informació i s'actualitza periòdicament, però en la seva majoria aquestes dades encara no s'han digitalitzat. També hi ha moltes dades a les agències governamentals, però no es combinen en un clúster comú. El desenvolupament d'una plataforma d'informació unificada del Sistema Nacional de Gestió de Dades (NCMS) té com a objectiu resoldre aquest problema, diu l'expert.

Tanmateix, el nostre país està lluny de ser l'únic país on en la majoria de les organitzacions les decisions importants es prenen a partir de la intuïció, i no de l'anàlisi de big data. L'abril de l'any passat, Deloitte va realitzar una enquesta entre més d'un miler de líders de grans empreses nord-americanes (amb una plantilla de 500 o més persones) i va trobar que el 63% dels enquestats coneixia les tecnologies de big data, però no disposa de tot el necessari. infraestructura per utilitzar-los. Mentrestant, entre el 37% d'empreses amb un alt nivell de maduresa analítica, gairebé la meitat ha superat significativament els objectius de negoci en els últims 12 mesos.

L'estudi va revelar que a més de la dificultat d'implementar noves solucions tècniques, un problema important a les empreses és la manca d'una cultura de treball amb dades. No hauríeu d'esperar bons resultats si la responsabilitat de les decisions preses sobre la base de big data s'assigna només als analistes de l'empresa, i no a tota l'empresa en el seu conjunt. "Ara les empreses busquen casos d'ús interessants per a grans dades", diu Miftakhov. “Alhora, la implementació d'alguns escenaris requereix inversions en sistemes de recollida, tractament i control de qualitat de dades addicionals que no s'han analitzat abans”. Per desgràcia, "l'anàlisi encara no és un esport d'equip", admeten els autors de l'estudi.