Data kimi qəbul edin: bizneslər böyük datadan qazanc əldə etməyi necə öyrənirlər

Böyük məlumatları təhlil edərək, şirkətlər gizli nümunələri üzə çıxarmağı öyrənərək, biznes performanslarını yaxşılaşdırırlar. İstiqamət dəbdədir, lakin onlarla işləmək mədəniyyətinin olmaması səbəbindən hər kəs böyük datadan faydalana bilmir

“İnsanın adı nə qədər çox olarsa, onun vaxtında ödəmə ehtimalı da bir o qədər yüksəkdir. Evinizin mərtəbələri nə qədər çox olsa, statistik olaraq bir o qədər yaxşı borcalansınız. Bürcün işarəsi geri qaytarılma ehtimalına demək olar ki, heç bir təsir göstərmir, lakin psixotip əhəmiyyətli dərəcədə təsir göstərir "deyə Home Credit Bank-ın analitiki Stanislav Duzhinsky borcalanların davranışındakı gözlənilməz nümunələr haqqında deyir. O, bu nümunələrin çoxunu izah etməyi öhdəsinə götürmür – onlar minlərlə müştəri profilini emal edən süni intellekt tərəfindən aşkar edilib.

Bu, böyük verilənlər analitikasının gücüdür: çoxlu strukturlaşdırılmamış məlumatları təhlil edərək, proqram ən müdrik insan analitikinin belə bilmədiyi bir çox əlaqəni aşkar edə bilər. Hər hansı bir şirkət böyük miqdarda strukturlaşdırılmamış məlumatlara (böyük məlumat) malikdir - işçilər, müştərilər, tərəfdaşlar, rəqiblər haqqında, biznes faydası üçün istifadə edilə bilər: təşviqlərin təsirini artırmaq, satış artımına nail olmaq, kadr dövriyyəsini azaltmaq və s.

Böyük verilənlərlə ilk işləyənlər iri texnologiya və telekommunikasiya şirkətləri, maliyyə institutları və pərakəndə satış şirkətləri olub, MDB-nin Deloitte Texnologiya İnteqrasiya Qrupunun direktoru Rəfail Miftaxov bildirib. İndi bir çox sənaye sahələrində bu cür həllərə maraq var. Şirkətlər nəyə nail olublar? Və böyük məlumatların təhlili həmişə dəyərli nəticələrə gətirib çıxarırmı?

Asan yük deyil

Banklar böyük məlumat alqoritmlərindən ilk növbədə müştəri təcrübəsini yaxşılaşdırmaq və xərcləri optimallaşdırmaq, həmçinin riskləri idarə etmək və fırıldaqçılıqla mübarizə aparmaq üçün istifadə edirlər. "Son illərdə böyük məlumatların təhlili sahəsində əsl inqilab baş verdi" dedi Dujinski. “Maşın öyrənməsindən istifadə bizə kreditin defolt ehtimalını daha dəqiq proqnozlaşdırmağa imkan verir – bankımızda gecikmə cəmi 3,9% təşkil edir”. Müqayisə üçün qeyd edək ki, 1 yanvar 2019-cu il tarixinə Mərkəzi Bankın məlumatına görə, fiziki şəxslərə verilmiş kreditlər üzrə vaxtı 90 gündən artıq vaxtı keçmiş kreditlərin xüsusi çəkisi 5 faiz təşkil edib.

Hətta mikromaliyyə təşkilatları böyük məlumatların öyrənilməsi ilə çaşqın qalırlar. Onlayn kredit platforması olan Webbankir-in baş direktoru Andrey Ponomarev deyir: “Bu gün böyük məlumatları təhlil etmədən maliyyə xidmətləri göstərmək rəqəmlər olmadan riyaziyyat aparmaq kimidir”. “Biz nə müştərini, nə də onun pasportunu görmədən onlayn pul buraxırıq və ənənəvi kreditləşmədən fərqli olaraq, biz təkcə insanın ödəmə qabiliyyətini qiymətləndirməməli, həm də onun şəxsiyyətini müəyyənləşdirməliyik”.

İndi şirkətin məlumat bazasında 500 mindən çox müştəri haqqında məlumat saxlanılır. Hər bir yeni tətbiq bu məlumatlarla təxminən 800 parametrdə təhlil edilir. Proqram təkcə cinsi, yaşı, ailə vəziyyəti və kredit tarixçəsini deyil, həm də şəxsin platformaya hansı cihazdan daxil olduğunu, saytda özünü necə apardığını nəzərə alır. Məsələn, potensial borcalanın kredit kalkulyatorundan istifadə etməməsi və ya kreditin şərtləri ilə maraqlanmaması narahatedici ola bilər. Ponomarev izah edir: “Bir neçə dayanacaq faktoru istisna olmaqla, – deyək ki, biz 19 yaşına çatmamış şəxslərə kredit vermirik – bu parametrlərin heç biri özlüyündə kredit verməkdən imtina etmək və ya razılıq vermək üçün əsas deyil”. Əhəmiyyətli olan amillərin birləşməsidir. 95% hallarda qərar avtomatik olaraq, anderraytinq şöbəsinin mütəxəssislərinin iştirakı olmadan qəbul edilir.

Bu gün böyük məlumatları təhlil etmədən maliyyə xidmətləri göstərmək rəqəmlər olmadan riyaziyyatla məşğul olmaq kimidir.

Böyük məlumatların təhlili bizə maraqlı nümunələr əldə etməyə imkan verir, Ponomarev paylaşır. Məsələn, iPhone istifadəçiləri Android cihazlarının sahiblərinə nisbətən daha intizamlı borcalanlar oldular – birincilər ərizələrin təsdiqini 1,7 dəfə tez-tez alırlar. Ponomarev deyir: "Hərbi qulluqçuların adi borcalandan demək olar ki, dörddə bir az tez-tez kreditləri qaytarmaması sürpriz deyildi". "Lakin tələbələrin ümumiyyətlə öhdəliyi gözlənilmir, lakin bu vaxt kredit borclarının ödənilməməsi halları baza üçün orta göstəricidən 10% az olur."

Böyük məlumatların tədqiqi sığortaçılara da xal verməyə imkan verir. 2016-cı ildə yaradılan IDX sənədlərin uzaqdan identifikasiyası və onlayn yoxlanılması ilə məşğuldur. Bu xidmətlərə malların mümkün qədər az itkisində maraqlı olan yük sığortaçıları arasında tələbat var. Sığortaçı malların daşınmasını sığortalamazdan əvvəl sürücünün razılığı ilə etibarlılığı yoxlayır, IDX-in kommersiya direktoru Yan Sloka izah edir. Partnyor - Sankt-Peterburqun "Risk Control" şirkəti ilə birlikdə IDX sürücünün şəxsiyyətini, pasport məlumatlarını və hüquqlarını, yükün itirilməsi ilə bağlı insidentlərdə iştirakını və s. yoxlamağa imkan verən xidmət hazırlayıb. Təhlil etdikdən sonra sürücülərin məlumat bazasında şirkət "risk qrupu" müəyyən etdi: yük çox vaxt uzun sürmə təcrübəsi olan 30-40 yaşlı sürücülər arasında itirilir. O da məlum olub ki, yük daha çox istismar müddəti səkkiz ildən çox olan avtomobillərin sürücüləri tərəfindən oğurlanır.

Axtarışında

Pərakəndə satıcıların fərqli vəzifəsi var - alış etməyə hazır olan müştəriləri müəyyən etmək və onları sayta və ya mağazaya gətirməyin ən təsirli yollarını müəyyənləşdirmək. Bu məqsədlə proqramlar müştərilərin profilini, onların şəxsi hesabından məlumatları, alış tarixini, axtarış sorğularını və bonus xallarından istifadəni, doldurmağa başladıqları və tərk etdikləri elektron səbətlərin məzmununu təhlil edir. M.Video-Eldorado qrupunun məlumat ofisinin direktoru Kirill İvanov deyir ki, verilənlərin analitikası bütün verilənlər bazasını seqmentləşdirməyə və konkret təkliflə maraqlana biləcək potensial alıcı qruplarını müəyyən etməyə imkan verir.

Məsələn, proqram hər biri müxtəlif marketinq alətlərini - faizsiz kredit, cashback və ya endirim promo kodunu bəyənən müştəri qruplarını müəyyənləşdirir. Bu alıcılar müvafiq təşviqatla bir e-poçt bülleteni alırlar. İvanov qeyd edir ki, məktubu açan şəxsin şirkətin saytına daxil olma ehtimalı bu halda xeyli artır.

Məlumatların təhlili həmçinin əlaqədar məhsul və aksesuarların satışını artırmağa imkan verir. Digər müştərilərin sifariş tarixçəsini emal edən sistem, alıcıya seçilmiş məhsulla birlikdə nə almaq barədə tövsiyələr verir. Bu iş üsulunun sınaqdan keçirilməsi, İvanovun sözlərinə görə, aksesuarlarla sifarişlərin sayının 12%, aksesuarların dövriyyəsinin isə 15% artdığını göstərdi.

Xidmətin keyfiyyətini yaxşılaşdırmaq və satışları artırmaq üçün səy göstərən təkcə pərakəndə satıcılar deyil. Keçən yay MegaFon milyonlarla abunəçinin məlumatlarının emalına əsaslanan “ağıllı” təklif xidmətini işə saldı. Onların davranışlarını öyrənən süni intellekt tariflər çərçivəsində hər bir müştəri üçün şəxsi təkliflər formalaşdırmağı öyrənib. Məsələn, proqram bir insanın öz cihazında videoya aktiv şəkildə baxdığını qeyd edərsə, xidmət ona mobil trafikin həcmini genişləndirməyi təklif edəcək. İstifadəçilərin üstünlüklərini nəzərə alaraq şirkət abunəçilərə sevimli internet istirahət növləri - məsələn, ani mesajlaşmalardan istifadə etmək və ya axın xidmətlərində musiqi dinləmək, sosial şəbəkələrdə söhbət etmək və ya TV şoularına baxmaq üçün limitsiz trafik təqdim edir.

"Biz abunəçilərin davranışını təhlil edirik və onların maraqlarının necə dəyişdiyini başa düşürük" deyə MegaFon-un böyük məlumat analitikasının direktoru Vitali Şerbakov izah edir. “Məsələn, bu il AliExpress-də trafik keçən illə müqayisədə 1,5 dəfə artıb və ümumilikdə onlayn geyim mağazalarına daxil olanların sayı artır: konkret resursdan asılı olaraq 1,2–2 dəfə”.

Böyük məlumatlarla operatorun işinin başqa bir nümunəsi itkin uşaqları və böyükləri axtarmaq üçün MegaFon Poisk platformasıdır. Sistem itkin düşən şəxsin yerinin yaxınlığında hansı şəxslərin ola biləcəyini təhlil edir və onlara itkin düşən şəxsin şəkli və işarələri ilə məlumat göndərir. Operator sistemi Daxili İşlər Nazirliyi və Lisa Alert təşkilatı ilə birlikdə hazırlayıb sınaqdan keçirib: itkin düşən şəxsə istiqamətləndirildikdən sonra iki dəqiqə ərzində 2 mindən çox abunəçi qəbul edir ki, bu da uğurlu axtarış nəticəsinin şansını xeyli artırır.

PUB-a getməyin

Böyük məlumatların təhlili sənayedə də tətbiq tapdı. Burada tələbi proqnozlaşdırmağa və satışı planlaşdırmağa imkan verir. Beləliklə, Cherkizovo şirkətlər qrupunda, üç il əvvəl, bütün satış məlumatlarını saxlamağa və emal etməyə imkan verən SAP BW-yə əsaslanan bir həll tətbiq edildi: qiymətlər, çeşidlər, məhsulun həcmi, promosyonlar, paylama kanalları, CIO Vladislav Belyaev deyir. qrupunun "Çerkizovo. Yığılmış 2 TB məlumatın təhlili nəinki çeşidin səmərəli formalaşdırılmasına və məhsul portfelinin optimallaşdırılmasına imkan yaratdı, həm də işçilərin işini asanlaşdırdı. Məsələn, gündəlik satış hesabatının hazırlanması bir çox analitikin bir günlük işini tələb edəcək - hər bir məhsul seqmenti üçün iki. İndi bu hesabatı bütün seqmentlərə cəmi 30 dəqiqə sərf edən robot hazırlayır.

Umbrella IT şirkətinin baş direktoru Stanislav Meşkov deyir: “Sənayedə böyük verilənlər əşyaların interneti ilə birlikdə effektiv işləyir. “Avadanlığın təchiz olunduğu sensorlardan alınan məlumatların təhlili əsasında onun işində sapmaları müəyyən etmək və nasazlıqların qarşısını almaq, performansını proqnozlaşdırmaq mümkündür”.

Severstal-da, böyük məlumatların köməyi ilə, onlar həm də olduqca qeyri-ciddi vəzifələri həll etməyə çalışırlar - məsələn, xəsarət nisbətlərini azaltmaq. 2019-cu ildə şirkət əməyin mühafizəsinin yaxşılaşdırılması tədbirləri üçün təxminən 1,1 milyard rubl ayırıb. Severstal zədə nisbətini 2025% 50 (2017-ci illə müqayisədə) azaltmağı gözləyir. "Əgər bir növbə müdiri - usta, sahə müdiri, sex müdiri - işçinin müəyyən əməliyyatları təhlükəsiz yerinə yetirdiyini (sənaye sahəsində pilləkənlərlə qalxarkən tutacaqlardan tutmur və ya bütün fərdi mühafizə vasitələrini geyinmir) qeyd edirsə, o, yazır. ona xüsusi qeyd – PAB (“davranış təhlükəsizliyi auditindən”)” şirkətin məlumatların təhlili şöbəsinin rəhbəri Boris Voskresenski deyir.

Bölmələrdən birində PAB-ların sayı ilə bağlı məlumatları təhlil etdikdən sonra şirkətin mütəxəssisləri müəyyən etdilər ki, təhlükəsizlik qaydalarını daha çox əvvəllər bir neçə qeydi olanlar, habelə xəstəlik məzuniyyətində və ya bir müddət əvvəl məzuniyyətdə olanlar pozurlar. hadisə. Tətildən və ya xəstəlik məzuniyyətindən qayıtdıqdan sonra ilk həftədə pozuntular sonrakı dövrlə müqayisədə iki dəfə çox idi: 1-ə qarşı 0,55%. Ancaq gecə növbəsində işləmək, məlum oldu ki, PAB-ların statistikasına təsir göstərmir.

Reallıqdan uzaq

Şirkət nümayəndələri bildirirlər ki, böyük verilənlərin emalı üçün alqoritmlərin yaradılması işin ən çətin hissəsi deyil. Bu texnologiyaların hər bir konkret biznes kontekstində necə tətbiq oluna biləcəyini başa düşmək daha çətindir. Şirkət analitiklərinin və hətta xarici provayderlərin Axillesin dabanı burada yerləşir, görünür, onlar böyük məlumat sahəsində təcrübə toplayıblar.

GoodsForecast-ın inkişaf direktoru Sergey Kotik deyir: "Mən tez-tez əla riyaziyyatçılar olan, lakin biznes prosesləri haqqında lazımi anlayışa malik olmayan böyük məlumat analitikləri ilə görüşdüm". O xatırlayır ki, iki il əvvəl onun şirkəti federal pərakəndə satış şəbəkəsi üçün tələbin proqnozlaşdırılması müsabiqəsində iştirak etmək imkanı əldə etmişdi. İştirakçıların proqnozlaşdırdıqları bütün mallar və mağazalar üçün pilot rayon seçilib. Daha sonra proqnozlar real satışlarla müqayisə edilib. Birinci yeri maşın öyrənməsi və məlumatların təhlili sahəsində təcrübəsi ilə tanınan Rusiyanın internet nəhənglərindən biri tutub: onun proqnozlarında o, faktiki satışdan minimal sapma göstərib.

Lakin şəbəkə onun proqnozlarını daha ətraflı öyrənməyə başlayanda məlum oldu ki, biznes baxımından bunlar qətiyyən yolverilməzdir. Şirkət satış planlarını sistematik şəkildə aşağı salan bir model təqdim etdi. Proqram, proqnozlarda səhv ehtimalını necə minimuma endirəcəyini anladı: satışları qiymətləndirmək daha təhlükəsizdir, çünki maksimum səhv 100% ola bilər (mənfi satışlar yoxdur), lakin həddindən artıq proqnozlaşdırma istiqamətində bu, özbaşına böyük ola bilər, Kotik izah edir. Başqa sözlə, şirkət real şəraitdə mağazaların yarı boşalmasına və aşağı satışdan böyük itkilərə səbəb olacaq ideal riyazi model təqdim etdi. Nəticədə hesablamaları praktikada tətbiq oluna bilən başqa bir şirkət müsabiqənin qalibi oldu.

Böyük məlumat əvəzinə "bəlkə"

Böyük verilənlər texnologiyaları bir çox sənaye sahələri üçün aktualdır, lakin onların aktiv tətbiqi hər yerdə baş vermir, Meşkov qeyd edir. Məsələn, səhiyyədə məlumatların saxlanması ilə bağlı problem var: çoxlu məlumatlar toplanıb və müntəzəm olaraq yenilənir, lakin əksər hallarda bu məlumatlar hələ rəqəmləşdirilməyib. Dövlət qurumlarında da çoxlu məlumatlar var, lakin onlar ümumi klasterdə birləşdirilməyib. Ekspert deyir ki, Milli Məlumatların İdarə Edilməsi Sisteminin (MBS) vahid informasiya platformasının hazırlanması bu problemin həllinə yönəlib.

Bununla belə, ölkəmiz əksər təşkilatlarda mühüm qərarların böyük verilənlərin təhlili əsasında deyil, intuisiya əsasında qəbul edildiyi yeganə ölkədən uzaqdır. Keçən ilin aprelində Deloitte böyük Amerika şirkətlərinin mindən çox rəhbəri arasında (500 və daha çox işçi heyəti ilə) sorğu keçirib və müəyyən edib ki, sorğuda iştirak edənlərin 63%-i böyük məlumat texnologiyaları ilə tanışdır, lakin bütün lazımi məlumatlara malik deyil. onlardan istifadə etmək üçün infrastruktur. Eyni zamanda, yüksək səviyyəli analitik yetkinliyə malik şirkətlərin 37%-i arasında, demək olar ki, yarısı son 12 ayda biznes məqsədlərini əhəmiyyətli dərəcədə üstələyib.

Araşdırma nəticəsində məlum olub ki, yeni texniki həllərin tətbiqi çətinliyi ilə yanaşı, şirkətlərdə mühüm problem verilənlərlə işləmək mədəniyyətinin olmamasıdır. Böyük məlumatlar əsasında qəbul edilən qərarlara görə məsuliyyət bütövlükdə bütün şirkətə deyil, yalnız şirkətin analitiklərinə həvalə edilərsə, yaxşı nəticələr gözləməməlisiniz. "İndi şirkətlər böyük verilənlər üçün maraqlı istifadə halları axtarırlar" dedi Miftaxov. "Eyni zamanda, bəzi ssenarilərin həyata keçirilməsi əvvəllər təhlil edilməmiş əlavə məlumatların toplanması, emalı və keyfiyyətinə nəzarət sistemlərinə investisiyalar tələb edir." Təəssüf ki, tədqiqatın müəllifləri etiraf edirlər ki, “analitika hələ komanda idmanı deyil”.

Cavab yaz