Big Data (большие данные) стали наступившим будущем. Одни определяют их как революцию, другие отводят им роль оптимизаторов бизнес-процессов. Но все сходятся в одном: большие данные важны. Встает главный вопрос — как можно эффективно применять большие данные в бизнесе?
Weerapatkiatdumrong
Что говорит статистика?
Последние 10 лет происходит непрерывный рост числа компаний, использующих большие данные.
В 2011 г. большие данные уже использовались гигантами бизнеса — Hewlett-Packard, IBM, Microsoft.
В 2015 г. доля компаний, использующих большие данные, составляла 17% в мире.
Сегодня доля таких компаний — 50%.
И это неудивительно — сбор и анализ больших данных дает важные преимущества:
Информация поступает из разных источников, что делает ее достоверней;
- Информация поступает постоянно, что делает ее актуальной;
Данные не анализируются вручную, что уменьшает количество ошибок и увеличивает объем информации, возможный для обработки;
У компании есть централизованный доступ к информации.
Что происходит на российском рынке?
Российский рынок больших данных уступает своим масштабом западному, но 55,4% отечественных компаний уже начали инвестировать в аналитику Big Data. На практике мы видим не один пример успешной попытки интегрировать большие данные в бизнес. Например, Сбербанк с его ботами-операторами, заменяющими консультантов. Или гипермаркет Hoff, который на основе больших данных формирует персональные предложения клиентам.
С малым бизнесом и большими данными сложнее. Процесс интеграции больших данных в бизнес — удовольствие дорогое и сложное. Встает вопрос, способен ли малый бизнес на такие подвиги? Что говорят специалисты?
Малый бизнес может данные купить, интегрировать и экстраполировать в свои задачи. Например, есть сеть магазинов по продаже настольных игр «Мосигра». Каждая торговая точка продаж - отдельный малый бизнес. В своей работе они используют big data от торгового центра, где представлен магазин. На основе этих данных корректируют продажи и способы привлечении аудитории. У каждого ТЦ эти данные разные, что позволяет каждому магазину быть востребованным.
Есть смысл с самого старта бизнеса собирать максимальное количество данных, накопить как можно больше метрик. Когда бизнес начнет стагнировать, будет достаточно информации, чтобы понять, что происходит.
Малый бизнес более динамичен, конкуренция в разы больше, чем «у больших». Сложность вызывает стоимость, которую малый бизнес не готов платить за собственную платформу. Поэтому вариант для небольших компаний — покупать сервисы, которые продают готовую аналитику.
Что показывает практика?
Кейс Hoff
Сервис: Google BigQuery + Alytics
Бизнес-задачи:
- Рост конверсии внутри сайта;
Увеличение узнаваемости бренда онлайн;
- Увеличение доли мультиканальных покупателей.
Способ: все данные были собраны в одном месте, на их основе по собственным параметрам были построены необходимые отчеты, затем полученные данные были переданы в Alytics для управления ставками.
Результат: показатель ROI вырос в нескольких категориях товаров до 17%. Показатели Email-рассылки продемонстрировали, что на 1 руб. онлайн-выручки приходится 4 руб. в оффлайне. Роль мультиканальных пользователей увеличилась, а 1/3 прибыли московских гипермаркетов приходятся на посетителей сайта Hoff.ru.
Кейс CarPrice
Сервис: Mail.ru Cloud Solutions
Бизнес-задачи:
- Оптимизация расходов на трафик;
Увеличения скорости передачи контента.
Способы: все данные были собраны в одном месте, а оперативность службы поддержки позволяла быстро решить все технические вопросы и проблемы сервиса.
Результат: расходы на сервис сократились примерно в 4 раза, при этом возросло его качество. Пользователи благодаря быстрой загрузке контента сократили время на принятие решений.
Кейс Zarina
Сервис: RetailRocket
Бизнес-задачи:
- Персонализация разделов сайта интернет-магазина;
Создание персонализированных рекомендаций дополнительных товаров.
Способы: на основе анализа больших данных были персонализированы рекомендации в категориях товаров, корзине, были созданы карточки товаров и персонализированы рекомендации в них.
Результат: выручка увеличилась более чем на 28%.
Кейс S7 Airlines
Сервис: Segmento
Бизнес-задачи:
- Увеличение конверсий;
Снижение стоимости расходов на конверсии.
Способы: на основе больших данных были созданы персонализированные креативы. Накапливание информации позволило системе увеличить точность прогнозов.
Результат: увеличились в 2 раза конверсии (за тот же бюджет), при этом стоимость конверсии снизилась на 40 %.
Кейс AllTime.ru
Сервис: RetailRocket
Бизнес-задачи:
Увеличение интереса пользователей к карточкам товаров и странице поиска;
Создание разнообразных персонализированных предложений;
- Увеличение вовлеченности пользователи, что должно привести к росту ключевых метрик.
Способы: на основе больших данных были созданы персонализированные карточки товаров, подобрано оптимальное расположение блоков, персонализированы страница поиска, рекомендации сопутствующих товаров.
Результат: каждое действие дало рост конверсии и прирост среднего чека:
Блоки рекомендаций: 3,1% (конверсия) + 1,5 (ср. чек) = рост выручки на 4,7%.
Сопутствующие товары: 2,4% (конверсия) + 10,6 (ср. чек) = рост выручки на 13,2%.
- Поисковые рекомендации: 17,3% (конверсия) + 13,2% (ср. чек) = рост выручки на 32,7% .
Взгляд специалистов
Большие данные оказывают революционный эффект на бизнес, потому что современная бизнес-аналитика базируется на анализе big data. Например, в маркетинге и рекламе: клиентам могут быть направлены целевые офферы, которые соответствуют их же потребностям. Благодаря аналитике больших данных предложение бизнеса не вызывает у потребителя раздражение, потому что формируется на основе его предпочтений и прошлых покупок.
Нужно понять, что мы включаем в понятие «Большие Данные» с позиции бизнеса. Для нас, практиков, это прежде всего постулат, что идти нужно не от данных, а от решаемых задач. Сбор данных ради самих данных в отрыве от реальной потребности заводит в тупик. Мы видим перспективы от использования Big Data в области предсказательной аналитики, а также операционной аналитики (распределенная обработка данных, потоков и событий). В таком ключе Big data способны превратить «мёртвые» информационные терабайты данных компании в главный бизнес-актив.
Технологии больших данных способны перевернуть всю суть бизнеса и по-новому взглянуть на ситуацию на рынке. Например, выстроить новую модель продаж, как это сделала Kaeser Kompressoren, производитель сложных компрессоров. Благодаря анализу данных с датчиков на оборудовании компания создала новый подход к продажам: поставка сжатого воздуха вместо продаж самого оборудования. Поставка готового продукта сделала возможным закладывать более высокую маржу, чем при продаже самого оборудования. Kaeser Kompressoren получила контролируемый постоянный денежный поток и зарабатывает больше на поставке кубометров сжатого воздуха.
Наличие больших массивов информации ни в одной компании не гарантирует их ценности, если на их основе не будут приняты стратегические решения.
Какие шаги подготовки предпринять для проекта по big data?
1. Определить проблему;
2. Оценить стоимость использования Big Data: з/п специалистов, затраты на сервера;
3. Поставить KPI на проект;
4. Посчитать ROI на использование Big Data.
Цифры из практики
Сервисы на основе больших данных могут существенно сэкономить рабочее время сотрудников, занятых в выполнении рутинных операций. Например, время на заведение бумажных ТТН сокращается примерно в 3 раза, и это ежедневные операции. Процесс заведения нового товара в каталог позволяет экономить минимум 50% времени операциониста.
Внедрение анализа больших данных увеличивает средний чек на 7-15% и серьезно влияет на возвратность потребителя (частоту посещения магазина).
Разберем применение больших данных на примере компании «Утконос». «Утконос» создает автоматизированные и триггерные маркетинговые кампании по различным каналам с возможностью получения аналитических данных. В результате использования технологии рост доходов по e-mail каналу составил 41%, а по sms — 8 %, причем количество заказов увеличилось на 2%. А в канале Viber на 18% увеличилась конверсия в покупку. Что касается больших данных в сфере производства — их применение повышают эффективность оборудования на 5-10%.
Что в итоге?
Анализ Big Data разрешает следующие бизнес-задачи:
- Составление более детализированного портрета ЦА и клиента, сбор информации о причинах оттока посетителей, сегментирование клиентов;
Персонализация предложений, оптимизация таргетинга;
- Создание единой актуальной базы данных с вычислением ошибок и нахождением связей;
- Сбор информации о пользе продукта и его безопасности;
Расчет рисков, борьба с мошенничеством (например, в банковской сфере);
Оптимизация логистики, использования оборудования, выявление качества сервиса;
- Обеспечение более упорядоченного и дешевого метода хранения данных с возможностью составить отчет по нужным параметрам.
Использование больших данных в большей степени влияет на маркетинг, сервис, устранение «слабых» звеньев в производстве, выявление множества зависимостей при продаже продукта или услуги.
Практика показывает, что большие данные можно использовать эффективно (и даже очень), но их интеграция — это не волшебная таблетка, превращающая любой проект в прибыльное дело. Нужно понять, как большие данные помогут конкретно вам.
Последний абзац ,надо было поместить в самое начало статьи.
Подскажите пожалуйста(может я и не заметил) где написано про стоимость внедрения big data?
Про решения для малого и среднего бизнеса нет ни слова, как и по стоимость.
Я думаю большие данные могут увеличить прибыль бизнеса. Причем многие предприниматели с которыми я говорил. Думали, что big-data это только для больших компаний. — НО это не так. Для обычного малого и среднего бизнеса эта технология тоже применима. В моем опыте большие данные дали ответы на важные вопросы в компаниях например:
— Когда лучше информировать о новых продуктах?
— Как количество пунктов в голосовом меню сказывается на продажах?
—Как улучшить качество техподдержки?
Более подробно написал в своей статью, кому интересно переходите https://interlogika.ru/kak-bolshie-dannye-mogut-uvelichit-pribyl-vashego-biznesa/