同様のデータを受け入れる: 企業がビッグデータから利益を得る方法を学ぶ方法

ビッグデータを分析することで、企業は隠れたパターンを明らかにすることを学び、業績を改善します。 方向性はファッショナブルですが、ビッグデータを扱う文化がないため、誰もがビッグデータから利益を得られるわけではありません

「人の名前が一般的であるほど、期限内に支払う可能性が高くなります。 家の階数が多いほど、統計的により良い借り手である. 星座は返済の可能性にほとんど影響を与えませんが、サイコタイプは大きく影響します」と、ホーム クレジット バンクのアナリストであるスタニスラフ ドゥジンスキー氏は、借り手の行動における予期しないパターンについて述べています。 彼はこれらのパターンの多くを説明することを約束していません.それらは何千もの顧客プロファイルを処理した人工知能によって明らかにされました.

これがビッグデータ分析の力です。プログラムは、膨大な量の非構造化データを分析することで、最も賢明な人間のアナリストでも知らない多くの相関関係を発見できます。 どの企業にも、従業員、顧客、パートナー、競合他社に関する膨大な量の非構造化データ (ビッグデータ) があります。これらは、プロモーションの効果を高め、売上を伸ばし、離職率を下げるなど、ビジネス上の利益に使用できます。

CIS の Deloitte Technology Integration Group のディレクターである Rafail Miftakhov 氏は、ビッグデータを最初に扱ったのは、大規模なテクノロジーおよび電気通信企業、金融機関、小売業者であったと述べています。 現在、多くの業界でこのようなソリューションに関心が寄せられています。 企業は何を達成しましたか? そして、ビッグデータ分析は常に価値のある結論につながるのでしょうか?

簡単な負荷ではありません

銀行は、主に顧客体験の向上とコストの最適化、およびリスクの管理と詐欺との戦いのためにビッグデータ アルゴリズムを使用しています。 「近年、ビッグデータ分析の分野で真の革命が起こっています」と Duzhinsky 氏は言います。 「機械学習を使用することで、ローンの債務不履行の確率をより正確に予測できるようになりました。当行の延滞率はわずか 3,9% です。」 比較のために、1 年 2019 月 90 日現在、中央銀行によると、個人向けに発行されたローンで 5 日以上の支払いが滞っているローンの割合は XNUMX% でした。

マイクロファイナンス組織でさえ、ビッグデータの研究に頭を悩ませています。 オンライン融資プラットフォーム Webbankir の CEO である Andrey Ponomarev 氏は、次のように述べています。 「私たちはクライアントやパスポートを見ることなくオンラインでお金を発行します。従来の融資とは異なり、人の支払能力を評価するだけでなく、その人の性格を特定する必要があります。」

現在、同社のデータベースには 500 万人を超える顧客に関する情報が保存されています。 新しいアプリケーションはそれぞれ、このデータを使用して約 800 のパラメーターで分析されます。 このプログラムは、性別、年齢、婚姻状況、信用履歴だけでなく、プラットフォームに参加したデバイス、サイトでの行動も考慮に入れます。 たとえば、潜在的な借り手がローン計算機を使用していなかったり、ローンの条件について問い合わせたりしていないことは驚くべきことかもしれません。 「いくつかの停止要因を除いて、たとえば、19 歳未満の人にはローンを発行していません。これらのパラメーター自体は、ローンの発行を拒否または同意する理由にはなりません」と Ponomarev 氏は説明します。 重要なのは要因の組み合わせです。 95% のケースで、引受部門の専門家の参加なしに、自動的に決定が下されます。

今日、ビッグデータを分析せずに金融サービスを提供することは、数字を使わずに計算を行うようなものです。

ビッグデータ分析により、興味深いパターンを導き出すことができる、と Ponomarev は述べています。 たとえば、iPhone ユーザーは、Android デバイスの所有者よりも規律ある借用者であることが判明しました。前者は、アプリケーションの承認を受ける頻度が 1,7 倍高くなっています。 「軍人がローンを返済しないという事実は、平均的な借り手よりも約 10 分の XNUMX 少ない頻度であるという事実は、驚くべきことではありませんでした」と Ponomarev 氏は言います。 「しかし、通常、学生は義務を負うとは考えられていませんが、その間、クレジットのデフォルトのケースは、ベースの平均よりも XNUMX% 少ないです。」

ビッグデータの研究により、保険会社のスコアリングも可能になります。 2016 年に設立された IDX は、ドキュメントのリモート識別とオンライン検証に取り組んでいます。 これらのサービスは、商品の損失をできるだけ少なくしたい貨物保険会社の間で需要があります。 商品の輸送に保険をかける前に、保険会社はドライバーの同意を得て、信頼性を確認します、と IDX のコマーシャル ディレクターである Jan Sloka 氏は説明します。 パートナーであるサンクトペテルブルクの会社「Risk Control」と協力して、IDX はドライバーの身元、パスポートのデータと権利、貨物の紛失に関連するインシデントへの参加などを確認できるサービスを開発しました。ドライバーのデータベースから、同社は「リスクグループ」を特定しました。ほとんどの場合、最近頻繁に転職した30〜40歳の長い運転経験を持つドライバーの間で貨物が失われました. また、貨物は、耐用年数がXNUMX年を超える車の運転手によって盗まれることが最も多いことが判明しました。

を求めて

小売業者には、購入する準備ができている顧客を特定し、それらをサイトまたは店舗に誘導する最も効果的な方法を決定するという別のタスクがあります。 この目的のために、プログラムは、顧客のプロファイル、個人アカウントのデータ、購入履歴、検索クエリ、ボーナス ポイントの使用、顧客が入力を開始して放棄した電子バスケットの内容を分析します。 M.Video-Eldorado グループのデータ オフィスのディレクターである Kirill Ivanov 氏は、データ分析を使用すると、データベース全体をセグメント化し、特定のオファーに関心を持つ可能性のある潜在的な購入者のグループを特定することができます。

たとえば、このプログラムは顧客のグループを識別し、それぞれが異なるマーケティング ツール (無利子ローン、キャッシュバック、割引プロモーション コードなど) を好みます。 これらの購入者は、対応するプロモーションが記載されたメール ニュースレターを受け取ります。 手紙を開封した人が会社のウェブサイトにアクセスする確率は、この場合は大幅に増加すると Ivanov 氏は述べています。

データ分析により、関連製品やアクセサリーの売上を伸ばすこともできます。 他の顧客の注文履歴を処理したシステムは、購入者に、選択した製品と一緒に購入するものを推奨します。 イワノフ氏によると、この作業方法のテストでは、アクセサリの注文数が 12% 増加し、アクセサリの売上高が 15% 増加したことが示されました。

サービスの質の向上と売上の増加に努めているのは、小売業者だけではありません。 昨年の夏、MegaFon は何百万もの加入者からのデータの処理に基づく「スマート」オファー サービスを開始しました。 彼らの行動を研究した人工知能は、料金内で各クライアントに個人的なオファーを作成することを学びました. たとえば、ユーザーが自分のデバイスでビデオを積極的に視聴していることをプログラムが指摘した場合、このサービスはモバイル トラフィックの量を拡大するようユーザーに提案します。 ユーザーの好みを考慮して、同社は加入者に好きな種類のインターネット レジャーのための無制限のトラフィックを提供します。たとえば、インスタント メッセンジャーを使用したり、ストリーミング サービスで音楽を聴いたり、ソーシャル ネットワークでチャットしたり、テレビ番組を見たりします。

MegaFon のビッグデータ分析担当ディレクターである Vitaly Shcherbakov 氏は、次のように説明しています。 「たとえば、今年、AliExpress のトラフィックは昨年の 1,5 倍に増加しました。一般的に、オンライン衣料品店への訪問数は、特定のリソースにもよりますが、1,2 ~ 2 倍に増加しています。」

ビッグデータを扱うオペレーターのもう 2 つの例は、行方不明の子供や大人を探すための MegaFon Poisk プラットフォームです。 このシステムは、行方不明者の場所の近くにいる可能性のある人物を分析し、行方不明者の写真とサインを含む情報を送信します。 オペレーターは、総務省およびリサアラート組織と協力してシス​​テムを開発およびテストしました。行方不明者へのオリエンテーションからXNUMX分以内に、XNUMX人以上の加入者が受信し、検索結果が成功する可能性が大幅に高まります。

PUBに行くな

ビッグデータ分析は、産業界でも応用されています。 ここでは、需要を予測し、販売を計画できます。 そのため、Cherkizovo グループの企業では、2 年前に SAP BW ベースのソリューションが実装されました。これにより、価格、品揃え、製品量、プロモーション、流通チャネルなど、すべての販売情報を保存および処理できます、と CIO の Vladislav Belyaev は述べています。グループの「チェルキゾボ。 蓄積された 30 TB の情報を分析することで、品揃えを効果的に形成し、製品ポートフォリオを最適化することが可能になっただけでなく、従業員の作業も容易になりました。 たとえば、毎日の売上レポートを作成するには、多くのアナリスト (製品セグメントごとに XNUMX 人) の作業が XNUMX 日必要になります。 現在、このレポートはロボットによって準備されており、すべてのセグメントに XNUMX 分しかかかりません。

Umbrella IT の CEO、Stanislav Meshkov 氏は次のように述べています。 「機器に搭載されたセンサーからのデータを分析することで、機器の動作の逸脱を特定し、故障を防ぎ、パフォーマンスを予測することができます。」

Severstal では、ビッグデータの助けを借りて、たとえば負傷率を減らすなど、かなり重要なタスクを解決しようとしています。 2019 年、同社は労働安全を改善するための対策に約 1,1 億ルーブルを割り当てました。 Severstal は、負傷率を 2025% (50 年と比較して) 2017% 削減すると予想しています。 「現場監督、工場長、店長などのライン マネージャーが、従業員が特定の作業を安全でない方法で行っていることに気付いた場合 (産業現場で階段を上る際に手すりにつかまらない、またはすべての個人用保護具を着用していない)、彼は次のように書き留めます。彼への特別なメモ - PAB (「行動セキュリティ監査」から)」と、同社のデータ分析部門の責任者である Boris Voskresensky は述べています。

部門の 1 つでの PAB の数に関するデータを分析した後、会社の専門家は、安全規則に違反しているのは、以前にいくつかの発言をしたことがある人や、病気休暇中または休暇中の人が最も多いことを発見しました。事件。 休暇や病気休暇から戻った後の最初の週の違反率は、その後の期間の 0,55 倍で、XNUMX 対 XNUMX% でした。 しかし、結局のところ、夜勤は PAB の統計には影響しません。

現実離れ

ビッグデータを処理するためのアルゴリズムを作成することは、作業の中で最も難しい部分ではないと、会社の代表者は言います。 これらのテクノロジーを特定のビジネスのコンテキストでどのように適用できるかを理解することは、はるかに困難です。 これは、ビッグデータの分野で専門知識を蓄積しているように見える、企業アナリストや外部プロバイダーのアキレス腱が存在する場所です。

GoodsForecast の開発担当ディレクターである Sergey Kotik 氏は次のように述べています。 彼は、XNUMX 年前に彼の会社が連邦小売チェーンの需要予測コンテストに参加する機会を得たことを思い出します。 参加者が予測を行ったすべての商品と店舗について、パイロット地域が選択されました。 次に、予測を実際の売上と比較しました。 第 XNUMX 位は、機械学習とデータ分析の専門知識で知られるロシアのインターネット大手の XNUMX 社でした。同社の予測では、実際の売り上げからの偏差は最小限でした。

しかし、ネットワークが彼の予測をより詳細に調査し始めたとき、ビジネスの観点からは、それらは絶対に受け入れられないことが判明しました. 同社は、体系的な控えめな販売計画を作成するモデルを導入しました。 プログラムは、予測の誤差の可能性を最小限に抑える方法を見つけました。最大誤差は 100% になる可能性があるため (マイナスの売上はありません)、売上を過小評価する方が安全ですが、過大予測の方向では、任意に大きくなる可能性があります。コティックは説明します。 言い換えれば、同社は理想的な数学的モデルを提示しました。これは、実際の状況では、半分空っぽの店舗と過少販売による巨額の損失につながります。 その結果、別の会社が競争に勝ち、その計算を実行に移すことができました。

ビッグデータではなく「たぶん」

ビッグデータ技術は多くの業界に関連していますが、その積極的な実装はどこでも行われているわけではありません、と Meshkov は指摘します。 たとえば、ヘルスケアでは、データ ストレージに問題があります。多くの情報が蓄積され、定期的に更新されていますが、ほとんどのデータはまだデジタル化されていません。 政府機関にも多くのデータがありますが、それらは共通のクラスターにまとめられていません。 国家データ管理システム (NCMS) の統合情報プラットフォームの開発は、この問題を解決することを目的としている、と専門家は述べています。

しかし、ほとんどの組織でビッグデータの分析ではなく、直感に基づいて重要な決定が下される国はわが国だけではありません。 昨年 500 月、デロイトはアメリカの大企業 (63 人以上のスタッフ) の 37 人以上のリーダーを対象に調査を実施し、調査対象者の 12% がビッグデータ テクノロジに精通しているが、必要なすべてを持っているわけではないことがわかりました。それらを利用するためのインフラ。 一方、分析の成熟度が高い XNUMX% の企業のうち、ほぼ半数が過去 XNUMX か月間にビジネス目標を大幅に上回っています。

この調査では、新しい技術ソリューションを実装することの難しさに加えて、企業における重要な問題は、データを扱う文化の欠如であることが明らかになりました。 ビッグデータに基づいて下される意思決定の責任が、会社全体ではなく、会社のアナリストだけに割り当てられている場合、良い結果は期待できません。 「現在、企業はビッグ データの興味深い使用例を探しています」と Miftakhov 氏は言います。 「同時に、一部のシナリオの実装には、これまで分析されていなかった追加データの収集、処理、および品質管理のためのシステムへの投資が必要です。」 悲しいかな、「分析はまだチーム スポーツではありません」と、この研究の著者は認めています。

コメントを残す