Какой продукт в больших данных «Мегафон» готов поддержать прямо сейчас

Методика и процесс двухдневного спринта по созданию продукта с использованием данных мобильного оператора.

Сначала расскажу вам про формат мероприятия. Ему уже семь лет, и он откатан до блеска. Только за три года существования #tceh мы провели его более 15 раз.

В далёком 2010 году подобный формат начала использовать команда Greenfield Project для того, чтобы помогать тем первым, кто начал осознавать себя как стартап, собирать продукт или делать пивот.

На самых первых харвестах, как они назывались, люди запиливали первые ИИ — аналоги и конкуренты Siri — ещё до того, как это стало модно. И получали под них инвестиции. Потом, бывало, интересные проекты рушились, но есть такие, которые успешны и сейчас.

«Будист», например, не просто взлетел, но и вышел на американский рынок — там он называется Wakie. А наверняка известная вам Rentmania собрала свою первую команду.

Формат создан для того, чтобы, отталкиваясь от идеи или прототипа, доработать продукт. Поэтому он сочетает в себе базовые теоретические знания и обкатку на практике. Времени у всех нас в городах мало, поэтому всё сжато в два дня.

Постановка задачи. Обычно проводится заказчиком и несколькими экспертами для того, чтобы погрузить участников в общий контекст, обобщить тренды и рассказать о том, что уже делается для решения задачи.

Комплектация команд из тех, кто уже пришёл с идеей, и тех, кому интересна тема, но нет своей идеи. В зависимости от ситуации этот процесс может управляться при помощи игрофикации или углубления в методологию образования команд. Используя тест Белбина и догнав его Адизесом, например.

Несколько мастер-классов по ключевым темам — обычно это customer development, бизнес модели и оценка рынков. Без этих знаний можно построить интересную идею, но вот сделать её рабочей и обоснованной с точки зрения бизнеса не получается, мы пробовали.

Хотя ничего сверхнового не говорится. Важно поверить тому, что слышишь, и действовать соответственно. Обычно на этом этапе команда либо внутренне соглашается научиться, либо не имеет больших шансов на победу.

Прямо с утра начинается интенсивная работа с экспертами. Поскольку весь процесс сжат, то времени на проверку идеи на реальных клиентах нет. Поэтому подбирается от десяти до двадцати экспертов (рекорд был, когда мы однажды собрали 35). Эксперты выполняют функцию передачи концентрированного опыта. И их много, потому что так команды получают разные точки зрения.

Редко бывает так, что продукт нравится всем. Но так же редко случается ситуация, когда продукт абсолютно всем не нравится. Так складывается поток рекомендаций, который условно можно разделить на две полярности: «продукт отстой, вам надо переделать а-б-ц» и «мне нравится идея — докрутите в-г-д».

После этой части работы команды выходят с головокружением от разнообразия мнений и со значительным чек-листом правок. Дальше важно определить приоритеты этих правок и быстро адаптировать продукт. Или, возможно, сознательно решить никого не слушать и переть напролом.

Этап доработки проектов, наверное, самый интересный в рамках этих двух дней. Именно здесь космические сервисы по управлению марсоходами превращаются в реалистичные продукты, которые нужны землянам.

После самостоятельной работы над проектами следует последний мастер-класс по подготовке презентаций и выступлениям. С учётом того, что на выступление у команд по пять минут — этот этап такой же критически важный, как и оценка рынков, например.

Забавный факт заключается в том, что на финальной защите всегда есть команда, презентация которой состоит из стен текста, несмотря на то, что каждый раз тренер так или иначе транслирует мысль: «сотрите 90% текста со слайдов».

Завершающим является этап презентаций проектов перед жюри: пятиминутное выступление и три минуты на вопросы. Кажется, что этого мало, но на практике хватает.

Теперь, когда мы разобрались с форматом, можно рассказать, как он реализовался на Megafon Big Data Challenge.

На эти рабочие выходные зарегистрировались более 300 человек, которые подали 159 продуктовых идей. Однако не каждый из отряда космонавтов выходит в космос. На харвест попасть могут тоже не все. Мы проводим отбор заявок для того, чтобы максимально помочь процессу синергии цели, технологий и свежего взгляда.

В итоге в зале собралось 69 участников. Как профессионалы в области данных, так и энтузиасты-гуманитарии. Как и планировалось, это дало хороший микс понимания темы и открытого, не зашоренного мышления. В 11:00 прозвучал зелёный свисток и началась работа.

Как рассказал директор по стратегии «Мегафона» Александр Соболев, компания занимается большими данными с 2013 года. Естественно, первой точкой фокуса стали сами пользователи.

Анализируя поведенческие паттерны, оператор научился формировать новые продуктовые линейки, основанные не на догадках маркетологов, а на реальных случаях использования телефонов.

Основным отличием данных сотового оператора от данных браузера, например, является постоянная привязка к геолокации. Вообще оператор может строить гипотезы о многих аспектах жизни пользователей начиная от работодателя и заканчивая тем, насколько большое влияние пользователь оказывает на свою социальную группу. Делается это на основании обезличенных данных.

Учитывая накопленные данные и законодательство Российской Федерации, которое запрещает передачу и продажу данных третьим лицам, задачей для команд стало создание сервисов, основанных на данных оператора без их раскрытия.

Задача ставилась максимально амбициозно и широко: сформировать продукт на основе больших данных «Мегафона» для других бизнесов или целых отраслей.

Было пять параметров, обязательных для описания проекта:

И три критерия оценки результата:

После постановки задачи и описания критериев оценки перед командами выступил Сергей Алимбеков, заместитель директора по технологическому развитию ФРИИ. Сергей описал возможное будущее и дал векторы развития отрасли больших данных.

Интересно, что вместо технологических трендов Сергей обратил внимание на законодательство и его роль в формировании будущего. По словам Сергея, законодательство будет активно формироваться в ближайший год.

Направление развития новых законов будет схоже с существующим Европейским законодательством и фокусируется на предоставлении больших прав пользователю по управлению доступом к своим данным.

Сергей посетовал, что почти никто из зала не читал последнюю книгу Пелевина: «Прискорбно, товарищи, — сказал он. — Ведь это библия искусственного интеллекта и работы с данными». Кроме того, оценка ёмкости рынка больших данных в триллион долларов совпадает у BCG и Виктора Пелевина.

Заряженные задачей и разогретые трендами, команды начали питчить свои идеи, чтобы привлечь тех, кто пришёл «свободным радикалом». Забавно было наблюдать, что некоторые из выступающих явно не являлись новичками хакатонов — когда видишь человека в тапочках Hack Me, невольно проникаешься уважением к опыту участия.

Идеи на этом этапе представляли собой весь спектр от b2c до b2b2c.

От помощи водителям в обнаружении «оленей» на дорогах и лайфстайл-помощника до сервисов по предоставлению агрегированных данных о пользовательских когортах, разбитых по соцдему и покупательной способности для определения оптимальной точки для открытия конкретного офлайн-магазина.

И это не считая нескольких проектов для фармы и HR-рынков.

Особенно запомнилась команда, полностью состоящая из «дата-сатанистов» (по их определению), которая планировала сделать сервис типа Chatroulette, только звонки не в Skype, а по телефону и не абстрактно случайным людям, а тем, с кем у звонящего сходятся интересы. Да, если вам интересно, про блокчейн у одной из команд тоже было в начале.

О кастдеве, бизнес-моделях и оценке рынков зачитали специалисты ФРИИ Дмитрий Соколов и Александр Скурихин. Я вам не буду рассказывать про бизнес-моделирование и кастдев. Верю, что люди на vc.ru в курсе этих вопросов.

А вот что касается оценки рынков «на коленке», для того, чтобы быстро определить, есть ли там от $20 до $100 миллионов (иначе не стоит и браться), у меня есть для вас пара слайдов.

Прокачавшись инструментами и методологиями, команды пошли докручивать свои продукты. И, как это часто случается, на второй день многие вернулись совсем с другими идеями.

На второй день с самого утра 12 экспертов начали работать с командами. Это были стратеги «Мегафона», продуктологи дочерней компании One Factor, инвест-менеджеры ФРИИ, эксперты из McKinsey и специалисты по данным и технологиям из OWOX, UBIC Technologies, Linkprofit.

Начали ломаться копья и рваться шаблоны. Произошло всё то, что я описал выше в методологии. Команды отходили от экспертов то огорошенными и растерянными, то бодрыми и воодушевлёнными. Этот микс эмоций толкал их к немедленной реакции.

Большинство ушло в доработку идей, малая часть ушла в соседние аудитории и, не слушая больше экспертов, стали допиливать то, что считали нужным. Тут нет единой оценки верного и неверного выбора, каждый делает свой в зависимости от опыта, веры в продукт и упрямства.

Очень бодро и наглядно прошёл мастер-класс Дмитрия Мыскова по презентациям. Отдельно показался ценным слайд о том, как пирамида Маслоу транслируется в продуктовые функции.

Пятнадцать команд на сундук «Мегафона», в котором лежал миллион рублей за первые три места (500, 300 и 200 тысяч) и возможность продолжить разработку продукта вместе с оператором.

Не буду утомлять вас перечислением всех продуктов, расскажу о победителях.

Команда К13. Этих парней по их же словам «укусил ФРИИ», в частности, произвела большое впечатление работа с трекером фонда. Так что ребята решили масштабировать экспертизу трекера для всех малых бизнесов.

Идея заключается в создании «Виртуального ментора "Мегафона" — партнёра в бизнесе для повседневных задач». На основании больших данных, понятное дело.

Виртуальный ментор агрегирует данные оператора и рекламной сети MyTarget (поскольку Mail.ru Group контролируется «Мегафоном») и по выбору отрасли выдаёт рекомендации по размещению как рекламы в онлайне и офлайне. Географическая аналитика полным ходом.

Уже активно работающая компания Data4, которая предложила находить фрод при звонках по модели СРА для индустрий с реально большим чеком — девелоперов и автодилеров.

Используя методы кластеризации, классификации и поиска аномалий, применяющихся к таким данным как геолокационная и транзакционная активность, коммуникационная активность и материальный статус, продукт вычисляет «проплаченные» звонки.

Так крупные компании смогут экономить миллионы рублей (стоимость их СРА-звонка от пяти до пятнадцати тысяч рублей) за умеренную сумму подписки на сервис.

Справедливая идея от Ingenix.ai. Суть заключается в создании b2b2c-маркетплейса, заточенного под управление пользователем своими данными и контролируемым их использованием со стороны сервисов.

Пользователи могут выбрать, какие именно данные они готовы отдавать для анализа и даже могут выбирать индустрии, которым эти данные отгружать, и те, которым не давать ни в коем случае.

Ребята из Ingenix.ai — настоящие гики, поэтому референсами к открытости платформы послужили GitHub и Linux Foundation. И «Мегафон» смог оценить фундаментальность этого продукта.