Вчерашний хайп: как анализ больших данных помогает экономить
Вице-президент по информационным технологиям «Ростелекома» Кирилл Меньшов на конференции Forbes рассказал о том, как перестать молиться на Big Data и начать трезво подходить к необходимости ее применения
Само название Big Data, или большие данные, часто дезориентирует, ведь многие компании, особенно крупные, хранят большие объемы информации. Интернет-компании, такие как «Яндекс», индексируют огромные объемы данных в интернете, а благодаря «закону Яровой» операторы связи по всей России должны записывать весь интернет-трафик за весьма длительное время. С точки зрения объемов данных и информации - это просто фантастические цифры с невообразимым количеством нулей. Но КПД, извлекаемая польза на единицу объема, для разных компаний может различаться разительно.
Для ИТ-поставщиков приобщение заказчиков к концепции Big Data было уникальной возможностью заработать на попытке партнеров одним волевым усилием прорваться из каменного века в постцифровой. Однако реальность показала, что, не решив проблем с «обычными» данными, на уровень больших сразу не попасть.
- План применения. У большинства российских компаний процесс обработки и хранения необходимых объемов информации с должной нормализацией и качеством до сих пор попросту не отлажен.
Click to view- Масштабируемость бизнес-кейсов Big Data. Многие проекты начинались на волне 3-5 успешных отраслевых кейсов по внедрению больших данных. Но когда становилось очевидным, что считаные кейсы не окупают общие затраты на внедрение, возникал непреодолимый творческий кризис. Оказывалось, что придумать достаточное количество компания просто не в состоянии.
Начинались размышления. Может, мы плохо искали? Может быть, нам не хватает специалистов, которые были бы в состоянии эти кейсы реализовывать? Может, мы должны смириться с тем, что для успешности проекта должны быть десятки кейсов или даже сотни и мы должны уметь ими последовательно и непротиворечиво оперировать? Думаю, здесь каждая организация сама для себя должна найти правильный ответ.
- Актуальность. Еще один распространенный вариант: данные накапливаются и анализируются, но ситуация для их использования уже давно прошла.
Монетизируются лишь те кейсы, которые оказываются актуальными в момент свершения какого-то определенного события. Данные не только надо уметь экономно хранить, не только уметь как-то использовать, важно делать это своевременно.
Ваши ожидания - наши проблемы
Не все так печально. Рассматривайте Big Data не как нечто самодостаточное, а в качестве лишь одного из инструментом решения конкретных прикладных задач. Технологии работы с большими данными из редких и дорогих стали вполне доступными для желающих с должным уровнем развития. Для конкретных задач можно использовать решения на основе открытого кода, и это займет считаные дни и потребует весьма скудного бюджета.
Актуальная для многих видов бизнеса повестка - цифровая трансформация. Ожидается, что она когда-нибудь все поменяет. На самом деле она уже значительно затронула общество. Оно еще не стало полностью цифровым, но пора уже говорить о следующем этапе этого процесса. И главная проблема для тех компаний, которые его будут осуществлять, в частности для «Ростелекома», - это высокие кросс-индустриальные клиентские ожидания.
Поясню, с точки зрения цифрового опыта, а значит, и удовлетворенности клиентов компании перестают конкурировать со своими аналогами на рынке. Образцом для клиентов становятся ведущие транснациональные корпорации, мобильные приложения которых находятся в десятках пикселей от наших. Это приводит к стиранию границ между индустриями, клиенты начинают ожидать, что мобильные приложения местных игроков будут иметь такое же качество и функциональность, как, например, программы Facebook или YouTube. И сильно расстраиваются, когда это не так.
Складывается ситуация, когда клиенты, разочарованные вашим приложением, могли даже не видеть продуктов прямых конкурентов. Для недовольства им достаточно отставания от неких эмпирических стандартов. В результате пользователь может на эмоциях уйти к конкуренту, хотя и тот его впоследствии разочарует.
Например, клиент ожидает, что приложение будет предугадывать его желания, обучаться и что-то рекомендовать. Если он часто делает перевод одному и тому же лицу, то он ожидает, что оно будет первым появляться в списке. Если регулярно оплачивает один и тот же счет, то считает, что приложение должно само ему напомнить об очередном платеже, и так далее. Если потенциально цифровой сервис способен на такую операцию, то пользователю уже неважно, что в данной нише (например, билетном агрегаторе) функцию не реализовал ни один разработчик. Главное, что Google способен ему регулярно напоминать о платеже. Пусть и приложение локального игрока делает это.
Таких моментов тысячи, и это настоящий вызов для компаний реального сектора. Big Data позволяет им накапливать пользовательский опыт, анализировать привычки клиентов и своевременно адаптировать приложения под запросы клиентов. Это становится уже фактором выживания.
Больших высокомаржинальных историй в Big Data - считаное количество. Но благодаря развитию и удешевлению технологий аналитику больших данных можно применять во множестве мини-кейсов, решающих локальные потребности пользователей.
Предлагаю коллегам помимо поиска возможностей заработать на Big Data, посмотреть на нее с более прикладной точки зрения, и, возможно, это принесет значительно больший результат для бизнеса.