Личный опыт Полиматика
2 255

Аналитику по большим данным может делать каждый менеджер. Введение в многомерный анализ

В закладки

Взаимодействие с большими данными может быть простым и оперативным. Нужно только быть готовым работать в новой парадигме, когда ответ на свой вопрос ты получаешь в течение пяти минут, а не через неделю.

В настоящий момент между данными и бизнесом есть несколько промежуточных звеньев, препятствующих работе в режиме реального времени. Речь идёт о технических сложностях, связанных с «машинным» характером инструментов обработки и хранения больших объёмов информации. Чтобы получить ответ на свой вопрос нужно обратиться в ИТ-департамент или к аналитику, сформировать задание и несколько часов-дней-недель ждать результат. Такая громоздкость производит впечатление колоссального объёма работы и высокого уровня компетенции исполнителя, хотя по факту это просто выгрузка нужных данных из базы и приведение их в вид, доступный для чтения.

Такую ситуацию мы наблюдаем во многих отраслях. В одном из наших проектов изначально регулярная отчетность готовилась по две недели, а специфические запросы могли обрабатываться месяц и больше, увеличивая нагрузку на сотрудников из разных департаментов и ИТ-инфраструктуру.

А теперь представим, что технологии работы с большими данными перестали быть чем-то сакральным, к чему есть доступ только у избранных. Упрощение использования наблюдается во всех технологических областях: сейчас любой может настроить себе сайт, завести электронный ящик, сделать банковский перевод, и взаимодействие с большими данными не является исключением. Как и во всех других случаях для этого применяются специальные инструменты – программы с интуитивно-понятным интерфейсом и высоким быстродействием. Для анализа больших данных применяется специальная программная прослойка, которая аккумулирует информацию из различных источников и предоставляет возможность бизнес-пользователям самостоятельно искать ответы на свои вопросы в режиме: появилась гипотеза – проверил на данных.

С самого начала мы воспринимаем данные как плоские таблицы, например, по вертикали перечень магазинов, а по горизонтали различные показатели: выручка, количество сотрудников, затраты, прибыль. И мы привыкаем к тому, как выглядят наши стандартные двумерные отчёты, – определенная последовательность столбцов и строк позволяет быстро выхватывать глазами нужную информацию. Но сколько отчётов нужно, чтобы оценить всю картину целиком?

Когда бизнес-пользователи начитают работать с большими данными они, как правило, начитают с того, что повторяют стандартные отчёты и дэшборды, к которым привыкли. И уже здесь они чувствуют значительный качественный скачок – данные можно смотреть в динамике, использовать сортировку, фильтрацию и группировку. Если, например, в компании есть проблемы с единой точкой правды, как это было в компании Mary Kay и АСНА, то разрешить эту ситуацию можно в течение нескольких минут, рассчитав нужные показатели на всём массиве данных.

Но настоящим прорывом, позволяющим использовать данные как неиссякаемый источник улучшений для бизнеса, является переход к модели многомерного мышления.

По этому поводу вспоминается анекдот про Флатландию (от англ. flat — плоский), придуманный Карлом Саганом: «Все жители этой двумерной страны имеют ширину и длину, но не имеют высоты. Мы знаем, что такое направо и налево, вперёд и назад, но никто, кроме наших плоских математиков, не имеет ни малейшего представления о том, что есть верх и низ. Они говорят: «Послушайте, это в самом деле очень просто. Представьте себе движение влево-вправо. Теперь движение вперёд-назад. Пока всё в порядке? Теперь вообразите другое измерение, под прямым углом к нашим двум». А мы отвечаем: «Что вы несёте? Как это «Под прямым углом к нашим двум»?! Существуют только два измерения. Покажите нам третье измерение. Где оно?» И математики в унынии удаляются. Никто не слушает математиков».

Работая с большими данными, в определенный момент ты понимаешь, что привычная плоская таблица – это просто срез сложной многомерной фигуры, созданной из всего объёма собранных данных. Такие фигуры мы называем мультисферами, так как их можно вращать, объединять измерения и создавать собственные иерархии в режиме реального времени.

Помните таблицу, где по вертикали перечень магазинов, а по горизонтали различные показатели? Мы можем развернуть её и посмотреть выручку в разрезе магазинов, товарных групп, расходов. Увидев отклонение, «провалиться» на самый низкий уровень до конкретного чека или переместиться по временной шкале день-неделя-месяц-квартал-год. Строки и столбцы выбираются в любом порядке и значения будут отображаться мгновенно. Получается, что анализ данных равен скорости воображения пользователя. Главное, чтобы бизнес-пользователь обладал достаточной компетенцией, чтобы знать, какие вопросы нужно задавать.

Еще несколько лет назад Gartner отметил тренд к самообслуживанию у бизнес-пользователей. По этому поводу был предложен термин Citizen Data Scientist для обозначения людей бизнеса, которые самостоятельно закрывают каждодневные аналитические задачи. Об их роли можно прочитать в блоге Gartner. В результате: компания получает выигрыш по времени, управленческие решения принимаются быстрее, есть увеличение прибыли за счёт оптимизации затрат на управление – после внедрения новой аналитической платформы ритейлер сократил штат аналитиков в 2 раза. Но это только вершина айсберга, помимо сокращения расходов в компании отметили значительное увеличение прибыльности продуктовых категорий благодаря новой сегментации, построенной на основе математических алгоритмов и обработки реальных клиентских данных.

Происходит изменение в образе мышления самих бизнес-пользователей, так как теперь нет лага по времени между постановкой вопроса и получением ответа. Идеи можно генерировать быстрее и проверять больше гипотез. С одной стороны, это означает, что интуиция становится менее значимой – на смену ей приходят взвешенные решения, подкрепленные достоверной информацией. С другой стороны, для получения наилучшего результата бизнес-пользователю требуется взращивать нестандартный подход к аналитике.

В настоящий момент, когда с одной стороны произошло повышение пенсионного возраста, а с другой есть угроза замены части персонала роботами и/или искусственным интеллектом, имеет смысл развивать качества, отличающие нас от машин – творческий подход и гибкость мышления. Способность эффективно работать в новой парадигме взаимодействия с большими данными является одним из шагов в этом направлении.

Материал опубликован пользователем. Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Написать
{ "author_name": "Полиматика", "author_type": "self", "tags": [], "comments": 9, "likes": 16, "favorites": 81, "is_advertisement": false, "subsite_label": "life", "id": 62485, "is_wide": false, "is_ugc": true, "date": "Tue, 26 Mar 2019 15:06:44 +0300" }
Акции банка «Тинькофф»
19,20$
0,04$
{ "id": 62485, "author_id": 219971, "diff_limit": 1000, "urls": {"diff":"\/comments\/62485\/get","add":"\/comments\/62485\/add","edit":"\/comments\/edit","remove":"\/admin\/comments\/remove","pin":"\/admin\/comments\/pin","get4edit":"\/comments\/get4edit","complain":"\/comments\/complain","load_more":"\/comments\/loading\/62485"}, "attach_limit": 2, "max_comment_text_length": 5000, "subsite_id": 199123, "last_count_and_date": null }

9 комментариев 9 комм.

Популярные

По порядку

Написать комментарий...
5

Странная статья. Ожидал увидеть обзор python/r, но «вдруг» внутри не оказалось никакой конкретики

Ответить
4

Аналитику по большим данным может делать каждый менеджер

Ой как вы ошибаетесь...не каждый менеджер. Огромное количество не то, что аналитику делать, а читать готовую воронку продаж из 20 уровней нормально не могут.

Ответить
0

Что за воронка из 20 уровней? Пришел на работу-1ый уровень достигнут?

Ответить
0

Там же написано "воронка продаж".

Ответить
2

"Помните таблицу, где по вертикали перечень магазинов, а по горизонтали различные показатели? Мы можем развернуть её и посмотреть выручку в разрезе магазинов, товарных групп, расходов. Увидев отклонение, «провалиться» на самый низкий уровень до конкретного чека или переместиться по временной шкале день-неделя-месяц-квартал-год. Строки и столбцы выбираются в любом порядке и значения будут отображаться мгновенно."

подскажите, пож-та, а можно поподробнее про "развернуть" ? что конкретно имеется в виду? речь же не о фильтрации?)

Ответить
1

Похоже, что таблица, где по вертикали перечень магазинов, а по горизонтали различные показатели - это просто сводная таблица, где одна строка (магазин) и её показатели являются суммой целой кучи строк (например, таблицы заказов), у которых одинаковое значение в столбце "магазин". "Развернуть" в данном случае - разгруппировать и увидеть строки-заказы.
Причём таких слоёв может быть много.
Простой пример, группировка по годам, странам и городам:

Ответить
1

Работа идет с размерностями и фактами - грубо говоря с тем, что в таблице по вертикали и горизонтали. Вытягиваете из общего перечня нужные и в том числе делаете фильтрацию, выборку, группировку, кластеризацию, ассоциацию и т.д. Прекрепила видео "Как отобрать целевую аудиторию для рекламной кампании".

Ответить
1

Вы пишите:
"Такую ситуацию мы наблюдаем во многих отраслях. В одном из наших проектов изначально регулярная отчетность готовилась по две недели, а специфические запросы могли обрабатываться месяц и больше, увеличивая нагрузку на сотрудников из разных департаментов и ИТ-инфраструктуру."

А как решили эту поблему ?
Если ИТ готовит две недели отчет, то я не думаю, что рядовой сотрудник за пару минут справится.

Ответить
0

Речь идет о внедрении информационной системы, которая выступает хранилищем данных с инкрементальным обновлением, из которого с помощью простого интерфейса без программирования и написания SQL-запросов аналитик или менеджер может получить необходимую для отчета информацию действительно за минуты. Прикрепляю видео, где Роман Раевский, основатель и генеральный директор компании Polymatica, и Илья Садовенко, ИТ-директор Mary Kay Europe, рассказывают о результатах внедрения.

Ответить
0
{ "page_type": "article" }

Прямой эфир

[ { "id": 1, "label": "100%×150_Branding_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox_method": "createAdaptive", "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfl" } } }, { "id": 2, "label": "1200х400", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfn" } } }, { "id": 3, "label": "240х200 _ТГБ_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fizc" } } }, { "id": 4, "label": "240х200_mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "flbq" } } }, { "id": 5, "label": "300x500_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfk" } } }, { "id": 6, "label": "1180х250_Interpool_баннер над комментариями_Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "ffyh" } } }, { "id": 7, "label": "Article Footer 100%_desktop_mobile", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjxb" } } }, { "id": 8, "label": "Fullscreen Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjoh" } } }, { "id": 9, "label": "Fullscreen Mobile", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjog" } } }, { "id": 10, "disable": true, "label": "Native Partner Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyb" } } }, { "id": 11, "disable": true, "label": "Native Partner Mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyc" } } }, { "id": 12, "label": "Кнопка в шапке", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "p1": "bscsh", "p2": "fdhx" } } }, { "id": 13, "label": "DM InPage Video PartnerCode", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox_method": "createAdaptive", "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "flvn" } } }, { "id": 14, "label": "Yandex context video banner", "provider": "yandex", "yandex": { "block_id": "VI-223676-0", "render_to": "inpage_VI-223676-0-1104503429", "adfox_url": "//ads.adfox.ru/228129/getCode?pp=h&ps=bugf&p2=fpjw&puid1=&puid2=&puid3=&puid4=&puid8=&puid9=&puid10=&puid21=&puid22=&puid31=&puid32=&puid33=&fmt=1&dl={REFERER}&pr=" } }, { "id": 15, "label": "Плашка на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byudx", "p2": "ftjf" } } }, { "id": 16, "label": "Кнопка в шапке мобайл", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byzqf", "p2": "ftwx" } } }, { "id": 17, "label": "Stratum Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvb" } } }, { "id": 18, "label": "Stratum Mobile", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvc" } } }, { "id": 19, "label": "Тизер на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "p1": "cbltd", "p2": "gazs" } } } ]
Команда калифорнийского проекта
оказалась нейронной сетью
Подписаться на push-уведомления
{ "page_type": "default" }