Библиографическое описание:

Кузьмин В. А., Углев А. В. Использование Big Data в управлении взаимоотношениями с клиентами // Молодой ученый. — 2016. — №1. — С. 392-395.



 

В статье рассмотрено основное понятие Big Data, его основные характеристики. Так же было описано, какое место занимают большие данные в управлении взаимоотношений с клиентами, описано четкое планирование действий при внедрении Big Data в компании.

Ключевые слова: Big Data, компания, информация, технологии, внедрение, бизнес, данные, анализ.

 

В процессе анализа информации у многих компаний возникает все больше сложностей. В связи с тем, что сейчас гораздо проще получить доступ к различным видам информации возникает проблема её максимального использования и получения наибольшей выгоды для бизнеса и выявления ценности для потребителя. Сложности возникают из-за того, что поступающие данные не имеют определенной структуры или из-за недостатка технологий, знаний и компетенций для их обработки. Но теперь с появлением «Big Data» обработка информации может стать гораздо эффективнее.

Что же такое «большие данные»? Казалось бы, ответ на этот вопрос лежит в названии, однако этот термин подразумевает собой не «размер» данных а совокупность методов, подходов и инструментов, для анализа информации которую невозможно проанализировать привычными способами.

Большие данные имеют три определяющие характеристики «три V»:

  1.                Объём (англ. volume);
  2.                Скорость (англ. velocity);
  3.                Многообразие (англ. variety).

Под объёмом подразумеваются работа с большим количеством информации. Второй параметр характеризует быстроту обработки информации. Многообразие обозначает возможность одновременного анализа различных типов данных. [3]

Сегодня большинство руководителей понимают, что у них нет возможности понять все скрытые мотивы клиентов, на основе которых принимаются наиболее эффективные решения. С развитием технологий у компаний появилась возможность оперативно получать информацию о том, что происходит на рынке, а так же делать более персонализированные предложения клиентам. В связи с колоссальным количеством поступающей информации, которая полезна для бизнеса, происходит скопление данных, нужных для выбора правильной стратегии, и снижается способность к ее фильтрации. Именно в таких ситуациях применяется технология «больших данных». Эта технология полностью изменяет привычный ход анализа информации, не имеющей традиционной структуры. Сейчас в век большого количества данных эффективность организации зависит от её возможностей принимать рациональные решения, на основе поступающей к ней информации. Чтобы быть лидером, нужно опережать конкурентов на шаг вперед, быстрее всех предугадывая ситуацию на рынке, выявляя сложности и грамотно используя возможности компании. Для того, чтобы выполнять это условие, организации нужно правильно распоряжаться имеющейся информацией, получая при этом инсайты и информационные ресурсы, необходимые для продвижения бизнеса. Компания, имеющая такую технологию, как Big Data, должна полностью осознавать весь её потенциал и те возможности, которые она может предоставить. В данной статье рассмотрены такие возможности.

Существует множество комбинаций программного и аппаратного обеспечения, которые позволяют создавать эффективные решения Big Data для различных бизнес дисциплин: от социальных медиа и мобильных приложений, до интеллектуального анализа и визуализации коммерческих данных. [3]

Важное достоинство Big Data — это совместимость новых инструментов с широко используемыми в бизнесе базами данных, что особенно важно при работе с кроссдисциплинарными проектами, например, такими как организация мультиканальных продаж и поддержки покупателей.

Последовательность работы с Big Data состоит из сбора данных, структурирования полученной информации с помощью отчетов и дашбордов, создания инсайтов и контекстов, а также формулирования рекомендаций к действию. Так как работа с Big Data подразумевает большие затраты на сбор данных, результат обработки которых заранее неизвестен, основной задачей является четкое понимание, для чего нужны данные, а не то, как много их есть в наличии. В этом случае сбор данных превращается в процесс получения исключительно нужной для решения конкретных задач информации.

Например, у телекоммуникационных провайдеров агрегируется огромное количество данных, в том числе о геолокации, которые постоянно пополняются. Эта информация может представлять коммерческий интерес для рекламных агентств, которые могут использовать ее для показа таргетированной и локальной рекламы, а также для ритейлеров и банков.

Подобные данные могут сыграть важную роль при решении открытия торговой точки в определенной локации на основе данных о наличии мощного целевого потока людей. Есть пример измерения эффективности рекламы на outdoor-щитах в Лондоне. Сейчас охват подобной рекламы можно измерить, лишь поставив возле рекламных конструкций людей со специальным устройством, подсчитывающим прохожих. По сравнению с таким видом измерения эффективности рекламы, у мобильного оператора куда больше возможностей — он точно знает местонахождение своих абонентов, ему известны их демографические характеристики, пол, возраст, семейное положение, и т. д.

На основе таких данных, в будущем открывается перспектива менять содержание рекламного сообщения, используя предпочтения конкретного человека, проходящего мимо рекламного щита. Если данные показывают, что проходящий мимо человек много путешествует, то ему можно будет показать рекламу курорта. Организаторы футбольного матча могут оценить количество болельщиков только когда те придут на матч. Но если бы они имели возможность запросить у оператора сотовой связи информацию, где посетители находились за час, день или месяц до матча, то это дало бы организаторам возможность планировать места для размещения рекламы следующих матчей.

Другой пример — как банки могут использовать Big Data для предотвращения мошенничества. Если клиент заявляет об утере карты, а при совершении покупки с ее помощью банк видит в режиме реального времени месторасположение телефона клиента в зоне покупки, где происходит транзакция, банк может проверить информацию по заявлению клиента, не пытался ли он обмануть его.

Либо противоположная ситуация, когда клиент совершает покупку в магазине, банк видит, что карта, по которой происходит транзакция, и телефон клиента находятся в одном месте, банк может сделать вывод, что картой пользуется ее владелец. Благодаря подобным преимуществам Big Data, расширяются границы, которыми наделены традиционные хранилища данных. [1]

Для успешного принятия решения о внедрении решений Big Data компании необходимо рассчитать инвестиционный кейс и это вызывает большие трудности из-за множества неизвестных составляющих. Парадоксом аналитики в подобных случаях становится прогнозирование будущего на основе прошлого, данные о котором зачастую отсутствуют.

В этом случае важным фактором является четкое планирование своих первоначальных действий:

Во-первых, необходимо определить одну конкретную задачу бизнеса, для решения которой будут использоваться технологии Big Data, эта задача станет стержнем определения верности выбранной концепции. Необходимо сосредоточиться на сборе данных, связанных именно с этой задачей, а в ходе проверки концепции вы сможете использовать различные инструменты, процессы и методы управления, которые позволят принимать более обоснованные решения в будущем.

Во-вторых, маловероятно, что компания без навыков и опыта аналитики данных сможет успешно реализовать проект Big Data. Необходимые знания всегда вытекают из предыдущего опыта аналитики, что является основным фактором, влияющим на качество работы с данными. Важную роль играет культура использования данных, так как часто анализ информации открывает суровую правду о бизнесе, и чтобы принять эту правду и работать с ней, необходимы выработанные методы работы с данными.

В-третьих, ценность технологий Big Data заключается в предоставлении инсайтов Хорошие аналитики остаются дефицитом на рынке. Ими принято называть специалистов, имеющих глубокое понимание коммерческого смысла данных и знающих, как правильно их применять. Анализ данных является средством для достижения целей бизнеса, и чтобы понять ценность Big Data, необходима соответствующая модель поведения и понимание своих действий. В этом случае большие данные дадут массу полезной информации о потребителях, на основе которой можно принять полезные для бизнеса решения.

Несмотря на то, что российский рынок Big Data только начинает формироваться, отдельные проекты в этой области уже реализуются достаточно успешно. Некоторые из них успешны в области сбора данных как, например, проекты для ФНС и банка «Тинькофф Кредитные Системы», другие — в части анализа данных и практического применения его результатов: это проект Synqera.

В банке «Тинькофф Кредитные Системы» был реализован проект по внедрению платформы EMC2 Greenplum, которая является инструментом для массивно-параллельных вычислений. В течение последних лет у банка выросли требования к скорости обработки накопленной информации и анализа данных в режиме реального времени, вызванные высокими темпами роста количества пользователей кредитных карт.

Банк объявил о планах расширения использования технологий Big Data, в частности для обработки неструктурированных данных и работы с корпоративной информацией, получаемой из разных источников. В ФНС России в настоящий момент идет создание аналитического слоя федерального хранилища данных. На его основе создается единое информационное пространство и технология доступа к налоговым данным для статистической и аналитической обработки. В ходе реализации проекта выполняются работы по централизации аналитической информации более чем 1200 источниками местного уровня ИФНС.

Еще одним интересным примером анализа больших данных в режиме реального времени является российский стартап Synqera, который разработал платформу Simplate. Решение основано на обработке больших массивов данных, программа анализирует информацию о покупателях, историю их покупок, возраст, пол и даже настроение. На кассах в сети косметических магазинов были установлены сенсорные экраны с датчиками, распознающими эмоции покупателей. Программа определяет настроение человека, анализирует информацию о нем, определяет время суток и сканирует базу скидок магазина, после чего отправляет покупателю таргетированные сообщения об акциях и специальных предложениях. Это решение повышает покупательскую лояльность и увеличивает продажи ритейлеров.

Если говорить об иностранных успешных кейсах, то в этом плане интересен опыт применения технологий Big Data в компании Dunkin’Donuts, использующей данные в режиме реального времени для продажи продукции. Цифровые дисплеи в магазинах отображают предложения, сменяющие друг друга каждую минуту, в зависимости от времени суток и наличия продукции. По кассовым чекам компания получает данные, какие именно предложения получили наибольший отклик у покупателей. Данный подход обработки данных позволил увеличить прибыль и оборачиваемость товаров на складе.

Как показывает опыт внедрения Big Data-проектов, эта область призвана, успешно решать современные бизнесзадачи. При этом важным фактором достижения коммерческих целей при работе с большими данными является выбор правильной стратегии, которая включает в себя аналитику, выявляющую запросы потребителей, а также использование инновационных технологий в области Big Data.

 

Литература:

 

  1.                Бун Л. Современный маркетинг: учеб. для студентов вузов [Текст]/ пер. с англ. В. Н. Егорова. М.: ЮНИТИ-ДАНА, 2010. 148 с.
  2.                Лосев, С. В. Управление отношениями с клиентами [Текст] / Лосев С. В. // Маркетинг в России и за рубежом.. — 2011. — № 1. — С. 42–47.
  3.                Майер-Шенбергер, В. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим [Текст]/ Виктор Майер-Шенбергер, Кеннет Кукьер; пер. с англ. Инны Гайдюк. — М.: Манн, Иванов и Фербер, 2014. — 240 с.

Обсуждение

Социальные комментарии Cackle