К 2027 году глобальный рынок огромных данных может вырасти вдвое — с $49 до $103 миллиардов. Big data — это уже не только лишь престижный термин, да и по-настоящему действенный инструмент для бизнеса.
О секретах работы с большенными данными в большой компании ведает Андрей Протопопов, CEO платежного сектора Qiwi.
Данные — горючее экономики воспоминаний: как отлично употреблять big data с заботой о клиенте
Андрей Протопопов
Почему данные — это новенькая нефть
Раз в день мы получаем разные маркетинговые рассылки: акции, скидки и «неповторимые спецпредложения» нескончаемым потоком поступают нам на электрическую почту и в мессенджеры. Большая часть этих сообщений в восприятии юзера — это мусор, который не заслуживает внимания.
Компании соревнуются за клиентов, но при всем этом генерируют нерелевантный контент для усредненного абстрактного «покупателя». Почему так происходит? Неувязка быть может как в нехватке, так и в излишке данных, но основное — это неумение их рассматривать.
Компании по инерции работают в парадигме экономики продуктов и услуг. При всем этом мир уже движется в сторону экономики воспоминаний, где на фронтальный план выходит не сам продукт либо сервис, а опыт и воспоминание, которое клиент получает в процессе взаимодействия с компанией.
Эту теорию в первый раз представил Джозеф Б. Пайн еще в конце 1990-х годов. Но лишь не так давно новенькая модель экономики начала набирать обороты. На это воздействовало развитие цифровых технологий, в том числе инструментов для сбора и аналитики огромных данных.
Конкретно big data и machine learning помогают лучше осознать нрав клиента, его предпочтения и потребности. Очевидно, способы аналитики применялись и до этого. Но никогда ранее они не дозволяли так глубоко изучить аудиторию.
Данных о клиенте сделалось больше, но эволюционировали и сами способы анализа, что в синергии и приносит итог. Историк и футуролог Юваль Ной Харари считает, что в не далеком будущем бренды будут знать и осознавать нас лучше, чем мы сами.
И мы уже это лицезреем — компании по всему миру перебегают от продуктоцентричной модели, где главный задачей было реализовать больше товаров и услуг, к клиентоцентричной, где в центре находится клиент и основная цель компании — сделать для него наивысшую ценность.
Данные — это ключ к осознанию клиента, другими словами самый ценный актив, сопоставимый с нефтью, и горючее для экономики воспоминаний.
Будущее big data: этика и умеренность
Хотя данные разрешают лучше осознать аудиторию, принципиально найти границы меж аналитикой с полезностью для клиента и нарушением приватности. В 2010-е почти все компании воспользовались отсутствием твердого регулирования и злоупотребляли приобретенными сведениями.
К примеру, методы Facebook таргетировали рекламу так, чтоб исключать меньшинства — так, объявления о продаже домов демонстрировали в большей степени белоснежным, а афроамериканцам давали лишь аренду.
Скоро эту делему решили, а сбор данных стали наиболее агрессивно регулировать — довольно вспомянуть Общий регламент по защите данных (GDPR), который вступил в силу в 2018 году.
Компании уже соображают, что необходимо заботливо обращаться с индивидуальными сведениями клиентов. Нужно знать про юзера ровно столько, сколько необходимо для сотворения и совершенствования продукта, — и употреблять данные лишь в таком, умеренном, объеме. Все другое может оказаться сероватой зоной исходя из убеждений этики.
Люди предпочитают все наиболее избирательно делиться своими приватными данными с компаниями — даже в благих целях. Они уже знают, что сбор их индивидуальной инфы — издавна не тренд, а действительность, и задаются вопросцем, а выигрывают ли они от этого.
Потому задачка компаний в этих критериях — не только лишь этично употреблять данные, а перевоплотить их аккумуляцию в возможность, которая принесет пользу клиентам.
Не соблюдая этику, бизнес рискует сформировать нехороший пользовательский опыт. К примеру, в ряду ценных черт клиентов метод систематизации либо кластеризации может выделить дискриминационные — такие, как пол либо раса.
Программки на базе машинного обучения не оценивают этические и репутационные опасности — они работают со статистикой и тегами, в которые уже заложена предвзятость.
Отсюда основной императив наиблежайшего грядущего: необходимо обращаться с данными юзеров так, как они бы обращались с ними сами. Всепригодных правил нет, потому принципиальна персонализация.
Условно, юзер готов отметить возлюбленные киноленты на стриминговой платформе, чтоб получить наиболее четкие советы. Но он не желает докладывать лишнюю информацию компании, формирующей скоринговый балл, если соображает, что какие-то данные могут сыграть не в его пользу.
Очередной принципиальный тренд грядущего — это отказ от бездумной аккумуляции данных. Сами по для себя данные не дают конкурентноспособного достоинства.
На рынке выигрывает не та компания, которая скопила массив инфы, а которая извлекла из него ценный продуктовый инсайт — не перейдя при всем этом границу этики и построив его на нужном, но достаточном объеме познаний о клиенте.
Для почти всех компаний — и мы не исключение — инсайты на базе данных лежат в плоскости улучшения клиентского опыта. Анализ огромных данных помогает бизнесу не только лишь лучше знать собственного клиента, да и принимать наиболее грамотные решения, улучшающие процесс взаимодействия юзера с продуктом на всех шагах.
Как бизнесу получить максимум от работы с большенными данными
Пара практических советов, основанных на нашем опыте работы с данными:
Создавайте ценность
Огромные данные не ценны сами по для себя в вакууме. Их внедрение помогает компаниям сделать лучше продукты и услуги, привлечь и удержать клиентов. Нужно донести эту ценность до клиентов и отдать им возможность управлять своими данными. Пытайтесь создавать win-win условия, в каких вы получаете данные о клиенте, а клиент — лучшие воспоминания от вашего сервиса и индивидуальный value.
Диверсифицируйте big data
Огромные данные открывают массу способностей не только лишь для улучшения клиентского опыта, да и для оптимизации действий в компании. В QIWI мы работаем с данными по трем фронтам:
Оптимизация внутренних действий
К примеру, мы используем модели машинного обучения для пророчества числа служащих контактного центра, которых нам нужно вывести на работу в тот либо другой денек.
Также мы применяем метод прогнозирования обстоятельств для воззвания в клиентский центр. Для этого система анализирует платежную историю юзера и автоматом направляет его на релевантного оператора, который работает с определенной темой. Это ускоряет процесс обработки воззваний, также сберегает время как клиенту, так и оператору.
Отношения с клиентами
Мы желаем все лучше осознавать потребности юзеров и создавать очень релевантные для их продукты. Мы тестируем инструменты, которые помогают настраивать рекомендательные системы под потребности маленький группы юзеров с учетом их персональной специфичности. Это наиболее точечный подход, который на практике работает эффективнее традиционных AB-тестов.
Также мы исследуем сценарии использования (use cases) — определяем не только лишь как человек употребляет продукт, да и для чего же он ему нужен, какие мотивы им движут. Это помогает не попросту собрать сведения о клиенте, а составить наиболее детализированный портрет, который рядовая статистика не отражает.
Исследования и разработки
Мы часто создаем коллаборации с различными организациями и экспериментируем с новенькими технологиями. Мы являемся членами Ассоциации огромных данных (АБД), где в рамках проекта R&D вместе с иными участниками прорабатываем разные кейсы кросс-индустриального обмена данными, которые посодействуют компаниям сделать новейшие продукты и полосы бизнеса, также будут содействовать наиболее действенному взаимодействию страны и общества.
Для пилотирования соответственных товаров мы создаем «песочницу» данных, которая, мы возлагаем надежды, с течением времени станет площадкой и для тестов с данными в формате регуляторной песочницы. Для нас работа с АБД — это возможность отыскать применение скопленных данных в новейших областях, о которых мы до этого не думали.
Источник: