Состояние рынка на сегодняшний момент можно охарактеризовать как высоко конкурентное, количество сфер деятельности, где компании чувствуют себя комфортно в гордом одиночестве сравнительно мало, поэтому анализ данных становится основным драйвером развития компаний. Но в связи с этим фактом возникает новая проблема – огромные массивы информации, которые нужно упорядочить и проанализировать. Именно поэтому технология Big Data набирает все большую популярность и становится целью инвестиций крупных корпораций и правительственных агентств. Ведь сегодня по всему миру в различных формах ежедневно создается около 2,5 квинтиллионов байтов информации, что может привести нас к такому выводу: за последние несколько лет было сгенерировано 90% данных, созданных за всю историю человечества. В данной работе представлены возможные варианты развития технологии и проанализирован исторический опыт успешного применения анализа больших массивов информации.
Ключевые слова:Big Data, маркетинг, инновации, большие данные, инвестиции, анализ данных.
Маркетинг, как в и большинство современных областей деятельности, не остановился в своем развитии и, как следствие, внутри этой сферы постоянно рождаются новые направления. За последние несколько лет можно было увидеть рождение и развитие как минимум пяти серьезных дисциплин, которые коренным образом поменяли отношение к самому маркетингу и подходам, используемым в нем.
Появление новых брендов и бурное их развитие во многом обусловлено знаниями, полученными на основе инноваций в маркетинге. Давно известные компании также стараются не попасть впросак и не упустить лидерство, поэтому очень важное место в деятельности компании занимает получение информации и, что даже является наиболее значимым, анализа входящих потоков данных.
Сегодня по всему миру в различных формах ежедневно создается около 2,5 квинтиллионов байтов информации, что может привести нас к такому выводу: за последние несколько лет было сгенерировано 90% данных, созданных за всю историю человечества[1]. Источники могут быть совершенно разными – это и сенсоры для сбора данных о погоде, публикации в социальных медиа, цифровые видео и фото, GPS мобильных устройств и т.д. Эти данные принято называть BIG data.
В эру информационных технологий, когда ситуация может меняться ежеминутно, если не ежесекундно, способность анализировать данные и быстро принимать верные решения становится весомым конкурентным преимуществом для больших и маленьких компаний. Основатель международной династии предпринимателей М.А. Ротшильд еще в 18 веке не зря говорил: «Кто владеет информацией, тот владеет миром». В веке двадцать первом данное высказывание приобрело еще больше смысла и значимости, так как очень часто информация, которая была очень ценна и актуальна сегодня, может быть никому не нужна на следующий день. Именно этот факт является основным драйвером развития модели анализа данных BIG data.
Маркетинг — вид человеческой деятельности, направленной на удовлетворение нужд и потребностей посредством обмена [3, стр.10]. И именно в этой сфере человеческой деятельности информация, зачастую, может играть ключевую роль, так как нужно постоянно отслеживать меняющиеся вкусы потребителей и новые тенденции в отрасли, чтобы вовремя успевать реагировать на меняющуюся конъектуру рынка. Существует несколько сфер применения модели BIG data:
· Анализ информации о месторасположении покупателя –сегментация рынка по территории;
· Анализ социальных сетей;
· Смысловой анализ – изучение реакции пользователей социальных сетей на определенные товары и услуги;
· Анализ контента – получение информации об используемых приложения или веб адресах каждым отдельно взятым человеком.
В свою очередь типичными вариантами использования модели BIG data могут являться:
· Сегментация;
· Товарные рекомендации;
· Уменьшение «текучести» клиентов;
· Управление компанией;
· Создание новых товаров и услуг;
· Развитие возможных путей продвижения.
Большие данные открывают для пользователя связи между отдельными фрагментами, которые до некоторых пор были неуловимы. В связи с этим возникает необходимость в развитии нового мышления. На пути к этому стоит отметить три основных шага. Первый – способность анализировать все данные, а не только определенные статистические выборки. Второй – готовность иметь дело с неупорядоченными данными в ущерб точности. Третий – изменение образа мыслей: доверие корреляциям, а не погоня за причинностью[2].
Одной из первых компаний, осознавших необходимость структурированного анализа данных, явилась Walmart — крупнейшая в мире сеть розничной торговли, которая насчитывает более двух миллионов сотрудников. Ее объем продаж составляет около 400 миллиардов долларов — больше, чем ВВП большинства стран.
Перед наплывом огромных массивов данных, порожденных интернетом, компания Walmart располагала, пожалуй, самым большим хранилищем данных среди коммерческих компаний в США. В 1990-х годах она произвела переворот в розничной торговле, внедрив учет всей продукции в виде данных с помощью сети Retail Link. Компания Walmart предоставила поставщикам возможность самим контролировать темпы и объемы продаж и запасов. Благодаря такой прозрачности Walmart удалось вынудить поставщиков самостоятельно заботиться о своей логистике. В большинстве случаев Walmart не выступает «собственником» продукта до момента продажи, тем самым снимая с себя риск обесценения запасов и снижая затраты. По сути, с помощью данных Walmart удалось стать крупнейшим комиссионным магазином.
О чем могут рассказать все эти накопленные данные, если их проанализировать должным образом? В сотрудничестве с экспертом в области обработки чисел Teradata (ранее — почитаемая корпорация NCR) компания Walmart стремилась выявить интересные корреляции. В 2004 году она взялась за изучение своих гигантских баз данных прошлых операций, которые включали не только информацию о товарах, приобретенных каждым клиентом, и общей сумме покупки, но и об остальных товарах в корзине, о времени суток и даже о погоде. Это дало компании возможность заметить, что перед ураганом росли объемы продаж не только фонариков, но и печенья PopTarts, а также сладких сухих американских завтраков. Поэтому, как только надвигалась буря, в магазинах Walmart поближе к витрине выкладывались коробки Pop-Tarts и припасы на случай урагана для удобства клиентов, снующих снаружи и внутри магазина, и, разумеется, для увеличения продаж[2].
В течение многих лет операторы беспроводной связи собирали и анализировали информацию, чтобы улучшить уровень обслуживания своих сетей. Однако эти данные все чаще используются в других целях и собираются третьими лицами для новых услуг. Например, некоторые приложения для смартфонов накапливают информацию о местоположении независимо от того, имеет ли она отношение к функциям самого приложения. Цель других приложений — построить бизнес вокруг знания о местоположении пользователя. Яркий тому пример — веб-служба Foursquare, которая дает людям возможность «отметиться» в местах, которые они любят посещать. Компания получает доход от программ лояльности, а также рекомендуя рестораны и другие объекты, так или иначе связанные с местоположением. Возможность собирать геолокационные данные о пользователях становится чрезвычайно ценной. На уровне отдельных лиц она позволяет нацеливать рекламу, исходя из местоположения человека или его предполагаемого пункта назначения. Эту информацию можно объединять для выявления определенных тенденций. Данные о местоположении массовых скоплений дают компаниям возможность обнаруживать пробки, не видя самих автомобилей, на основании количества и скорости перемещения телефонов вдоль шоссе. Компания AirSage ежедневно обрабатывает три миллиарда записей геолокационных данных о перемещении миллионов абонентов сотовой связи для создания отчетов о ситуации на дорогах более чем в 100 городах по всей Америке в режиме реального времени. Две другие компании, которые занимаются геолокацией, Sense Networks и Skyhook, имея данные о местоположении, сообщают, в каких районах города активнее кипит ночная жизнь или сколько протестующих собралось на демонстрации [2, стр.23-25].
Поскольку большие данные обещают ценные открытия тем, кто их анализирует, естественно ожидать стремительного увеличения числа тех, кто будет собирать, хранить и повторно использовать наши личные данные. Поскольку стоимость хранения будет так же стремительно падать, а аналитические инструменты — становиться все мощнее, размер и масштаб сбора данных станет расти не по дням, а по часам. Если эпоха интернета поставила под угрозу конфиденциальность, возможно ли, что большие данные усугубят эту проблему? Это ли не темная их сторона? Существует еще одна опасность: мы рискуем стать жертвами диктатуры данных, в результате которой станем боготворить информацию и выходные данные анализов, а в конечном счете и злоупотреблять ими. Большие данные являются хорошим инструментом рационального принятия решений, если с ними вдумчиво обращаться. Если же ими орудовать неблагоразумно, они способны превратиться из мощного инструмента в оправдание репрессий, создавая неудобства клиентам и сотрудникам или, что еще хуже, нанося ущерб гражданам.
В эпоху больших данных самые инновационные способы их вторичного использования невозможно было представить на момент их сбора. Как же компаниям уведомлять о цели, которая еще не придумана? И разве станут частные лица давать информированное согласие на неизвестное? А при отсутствии согласия, для того чтобы анализировать большие данные, содержащие личную информацию, потребуется обращаться к каждому лично, спрашивая разрешение на каждое повторное применение. Альтернативный вариант — перед сбором получать согласие на любое дальнейшее использование их данных — тоже бесполезен. Такое разрешение «оптом» сводит на нет само понятие информированного согласия.
В контексте больших данных проверенная временем концепция «уведомления и согласия» налагает слишком много ограничений для извлечения скрытой ценности данных и слишком бесполезна для защиты конфиденциальности частных лиц. Кроме того, в эпоху больших данных технические способы защиты неприкосновенности частной жизни тоже сдают свои позиции. Если вся информация находится в наборе данных, ее извлечение само по себе может оставить след. Возьмем, к примеру, функцию Google Street View. Для ее создания собрали фотографии дорог и домов во многих странах (как и многие другие данные — но это спорный вопрос). В Германии компания Google столкнулась с массовым протестом общественности и СМИ. Люди опасались, что фотографии их домов и садов помогут бандам грабителей выбрать выгодные цели. Под давлением регулирующих органов Google согласилась предоставить домовладельцам возможность отказа от участия, которая позволяла размыть изображения их домов. Но результаты этой возможности заметны в Street View — вы видите размытые дома, а грабители могут расценить их как сигнал, что это отличная цель.
Каждая новая технология претерпевает несколько стадий развития: появление и заявление о себе, набирание оборотов, бурный рост, расцвет и, наконец, спад, совершая своеобразный цикл. После этого существует только два варианта развития событий: либо технология входит в ежедневный быт людей, как WI-FI, либо она не получает дальнейшего развития и уходит в небытие. Сейчас BIG data как раз находится на своем пике, в стадии бурного развития, поэтому передовые компании стараются внедрять данную модель в своей деятельности, но дальнейшее развитие зависит от того, как приживется данная технология и принесут ли вкладываемые средства ожидаемые результаты.
Литература:
1. “IBM big data and analytics portfolio” [Электронный ресурс] – URL: http://www-01.ibm.com/software/data/bigdata/ Дата обращения: 13.03.2014
2. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим / Виктор Майер-Шенбергер, Кеннет Кукьер ; пер. с англ. Инны Гайдюк. — М.: Манн, Иванов и Фербер, 2014.
3. Филипп Котлер «Основы маркетинга» Краткий курс.: Пер. с англ. - М.: Издательский дом «Вильямс», 2007.
