Derbyn data tebyg: sut mae busnesau'n dysgu elwa o ddata mawr

Trwy ddadansoddi data mawr, mae cwmnïau'n dysgu dod o hyd i batrymau cudd, gan wella perfformiad eu busnes. Mae'r cyfeiriad yn ffasiynol, ond ni all pawb elwa o ddata mawr oherwydd diffyg diwylliant o weithio gyda nhw

“Po fwyaf cyffredin yw enw person, y mwyaf tebygol yw hi o dalu ar amser. Po fwyaf o loriau sydd gan eich tŷ, y mwyaf yn ystadegol rydych chi'n fenthyciwr gwell. Nid yw arwydd y Sidydd yn cael unrhyw effaith bron ar y tebygolrwydd o ad-daliad, ond mae'r seicoteip yn gwneud yn sylweddol, ”meddai Stanislav Duzhinsky, dadansoddwr yn Home Credit Bank, am batrymau annisgwyl yn ymddygiad benthycwyr. Nid yw’n ymrwymo i esbonio llawer o’r patrymau hyn – fe’u datgelwyd gan ddeallusrwydd artiffisial, a oedd yn prosesu miloedd o broffiliau cwsmeriaid.

Dyma bŵer dadansoddeg data mawr: trwy ddadansoddi llawer iawn o ddata anstrwythuredig, gall y rhaglen ddarganfod llawer o gydberthnasau nad yw'r dadansoddwr dynol doethaf hyd yn oed yn gwybod amdanynt. Mae gan unrhyw gwmni lawer iawn o ddata anstrwythuredig (data mawr) - am weithwyr, cwsmeriaid, partneriaid, cystadleuwyr, y gellir eu defnyddio er budd busnes: gwella effaith hyrwyddiadau, cyflawni twf gwerthiant, lleihau trosiant staff, ac ati.

Y cyntaf i weithio gyda data mawr oedd cwmnïau technoleg a thelathrebu mawr, sefydliadau ariannol a manwerthu, meddai Rafail Miftakhov, cyfarwyddwr Grŵp Integreiddio Technoleg Deloitte, CIS. Nawr mae diddordeb mewn atebion o'r fath mewn llawer o ddiwydiannau. Beth mae cwmnïau wedi'i gyflawni? Ac a yw dadansoddi data mawr bob amser yn arwain at gasgliadau gwerthfawr?

Mae banciau'n defnyddio algorithmau data mawr yn bennaf i wella profiad cwsmeriaid a gwneud y gorau o gostau, yn ogystal ag i reoli risg a brwydro yn erbyn twyll. “Yn ystod y blynyddoedd diwethaf, mae chwyldro go iawn wedi digwydd ym maes dadansoddi data mawr,” meddai Duzhinsky. “Mae’r defnydd o ddysgu peirianyddol yn ein galluogi i ragweld y tebygolrwydd o ddiffyg benthyciad yn llawer mwy cywir – dim ond 3,9% yw tramgwyddaeth yn ein banc.” Er cymhariaeth, o Ionawr 1, 2019, roedd cyfran y benthyciadau gyda thaliadau hwyr dros 90 diwrnod ar fenthyciadau a roddwyd i unigolion, yn ôl y Banc Canolog, yn 5%.

Mae hyd yn oed sefydliadau microgyllid yn cael eu drysu gan yr astudiaeth o ddata mawr. “Mae darparu gwasanaethau ariannol heb ddadansoddi data mawr heddiw fel gwneud mathemateg heb rifau,” meddai Andrey Ponomarev, Prif Swyddog Gweithredol Webbankir, platfform benthyca ar-lein. “Rydyn ni’n rhoi arian ar-lein heb weld y cleient na’i basbort, ac yn wahanol i fenthyca traddodiadol, mae’n rhaid i ni nid yn unig asesu diddyledrwydd person, ond hefyd adnabod ei bersonoliaeth.”

Nawr mae cronfa ddata'r cwmni yn storio gwybodaeth am fwy na 500 mil o gwsmeriaid. Mae pob cymhwysiad newydd yn cael ei ddadansoddi gyda'r data hwn mewn tua 800 o baramedrau. Mae'r rhaglen yn ystyried nid yn unig rhyw, oedran, statws priodasol a hanes credyd, ond hefyd y ddyfais y daeth person i mewn i'r platfform ohoni, sut yr oedd yn ymddwyn ar y wefan. Er enghraifft, gall fod yn frawychus na wnaeth benthyciwr posibl ddefnyddio cyfrifiannell benthyciad neu na holodd am delerau benthyciad. “Ac eithrio rhai ffactorau atal - dyweder, nid ydym yn rhoi benthyciadau i bobl o dan 19 oed - nid yw'r un o'r paramedrau hyn ynddo'i hun yn rheswm dros wrthod neu gytuno i roi benthyciad,” eglura Ponomarev. Y cyfuniad o ffactorau sy'n bwysig. Mewn 95% o achosion, gwneir y penderfyniad yn awtomatig, heb gyfranogiad arbenigwyr o'r adran warantu.

Mae dadansoddi data mawr yn ein galluogi i ddeillio patrymau diddorol, mae Ponomarev yn eu rhannu. Er enghraifft, trodd defnyddwyr iPhone yn fenthycwyr mwy disgybledig na pherchnogion dyfeisiau Android - mae'r cyntaf yn derbyn cymeradwyaeth ceisiadau 1,7 gwaith yn amlach. “Nid oedd y ffaith nad yw personél milwrol yn ad-dalu benthyciadau bron i chwarter yn llai aml na’r benthyciwr cyffredin yn syndod,” meddai Ponomarev. “Ond fel arfer nid oes disgwyl i fyfyrwyr fod dan rwymedigaeth, ond yn y cyfamser, mae achosion o ddiffyg credyd 10% yn llai cyffredin na’r cyfartaledd ar gyfer y sylfaen.”

Mae astudio data mawr yn caniatáu sgorio i yswirwyr hefyd. Wedi'i sefydlu yn 2016, mae IDX yn ymwneud ag adnabod o bell a gwirio dogfennau ar-lein. Mae galw mawr am y gwasanaethau hyn ymhlith yswirwyr cludo nwyddau sydd â diddordeb mewn colli nwyddau cyn lleied â phosibl. Cyn yswirio cludo nwyddau, mae'r yswiriwr, gyda chaniatâd y gyrrwr, yn gwirio dibynadwyedd, esboniodd Jan Sloka, cyfarwyddwr masnachol IDX. Ynghyd â phartner - y cwmni St Petersburg "Rheoli Risg" - mae IDX wedi datblygu gwasanaeth sy'n eich galluogi i wirio hunaniaeth y gyrrwr, data pasbort a hawliau, cyfranogiad mewn digwyddiadau yn ymwneud â cholli cargo, ac ati Ar ôl dadansoddi Yn y gronfa ddata o yrwyr, nododd y cwmni “grŵp risg”: yn fwyaf aml, mae cargo yn cael ei golli ymhlith gyrwyr 30-40 oed sydd â phrofiad gyrru hir, sydd yn aml wedi newid swyddi yn ddiweddar. Mae hefyd yn troi allan bod y cargo yn fwyaf aml yn cael ei ddwyn gan yrwyr ceir, y mae eu bywyd gwasanaeth yn fwy nag wyth mlynedd.

Mae gan adwerthwyr dasg wahanol - nodi cwsmeriaid sy'n barod i brynu, a phenderfynu ar y ffyrdd mwyaf effeithiol o ddod â nhw i'r safle neu'r siop. I'r perwyl hwn, mae'r rhaglenni'n dadansoddi proffil cwsmeriaid, data o'u cyfrif personol, hanes pryniannau, ymholiadau chwilio a'r defnydd o bwyntiau bonws, cynnwys basgedi electronig y dechreuon nhw eu llenwi a'u gadael. Mae dadansoddeg data yn caniatáu ichi rannu'r gronfa ddata gyfan a nodi grwpiau o ddarpar brynwyr a allai fod â diddordeb mewn cynnig penodol, meddai Kirill Ivanov, cyfarwyddwr swyddfa ddata'r grŵp M.Video-Eldorado.

Er enghraifft, mae'r rhaglen yn nodi grwpiau o gwsmeriaid, y mae pob un ohonynt yn hoffi gwahanol offer marchnata - benthyciad di-log, arian yn ôl, neu god hyrwyddo disgownt. Mae'r prynwyr hyn yn derbyn cylchlythyr e-bost gyda'r hyrwyddiad cyfatebol. Mae'r tebygolrwydd y bydd person, ar ôl agor y llythyr, yn mynd i wefan y cwmni, yn yr achos hwn yn cynyddu'n sylweddol, mae Ivanov yn nodi.

Mae dadansoddi data hefyd yn caniatáu ichi gynyddu gwerthiant cynhyrchion ac ategolion cysylltiedig. Mae'r system, sydd wedi prosesu hanes archeb cwsmeriaid eraill, yn rhoi argymhellion i'r prynwr ar beth i'w brynu ynghyd â'r cynnyrch a ddewiswyd. Dangosodd profi'r dull hwn o waith, yn ôl Ivanov, gynnydd o 12% yn nifer yr archebion gydag ategolion a chynnydd o 15% yn y trosiant ategolion.

Nid manwerthwyr yw'r unig rai sy'n ymdrechu i wella ansawdd y gwasanaeth a chynyddu gwerthiant. Yr haf diwethaf, lansiodd MegaFon wasanaeth cynnig “clyfar” yn seiliedig ar brosesu data gan filiynau o danysgrifwyr. Ar ôl astudio eu hymddygiad, mae deallusrwydd artiffisial wedi dysgu ffurfio cynigion personol ar gyfer pob cleient o fewn y tariffau. Er enghraifft, os yw'r rhaglen yn nodi bod person wrthi'n gwylio fideo ar ei ddyfais, bydd y gwasanaeth yn cynnig iddo ehangu faint o draffig symudol. Gan ystyried dewisiadau defnyddwyr, mae'r cwmni'n darparu traffig diderfyn i danysgrifwyr ar gyfer eu hoff fathau o hamdden Rhyngrwyd - er enghraifft, defnyddio negeswyr gwib neu wrando ar gerddoriaeth ar wasanaethau ffrydio, sgwrsio ar rwydweithiau cymdeithasol neu wylio sioeau teledu.

“Rydym yn dadansoddi ymddygiad tanysgrifwyr ac yn deall sut mae eu diddordebau yn newid,” eglura Vitaly Shcherbakov, cyfarwyddwr dadansoddeg data mawr yn MegaFon. “Er enghraifft, eleni, mae traffig AliExpress wedi cynyddu 1,5 gwaith o gymharu â’r llynedd, ac yn gyffredinol, mae nifer yr ymweliadau â siopau dillad ar-lein yn tyfu: 1,2-2 gwaith, yn dibynnu ar yr adnodd penodol.”

Enghraifft arall o waith gweithredwr gyda data mawr yw platfform MegaFon Poisk ar gyfer chwilio am blant ac oedolion coll. Mae'r system yn dadansoddi pa bobl allai fod yn agos at leoliad y person coll, ac yn anfon gwybodaeth atynt gyda llun ac arwyddion o'r person coll. Datblygodd a phrofodd y gweithredwr y system ynghyd â'r Weinyddiaeth Materion Mewnol a sefydliad Lisa Alert: o fewn dau funud o gyfeiriadedd i'r person coll, mae mwy na 2 fil o danysgrifwyr yn derbyn, sy'n cynyddu'n sylweddol y siawns o ganlyniad chwiliad llwyddiannus.

Mae dadansoddiad data mawr hefyd wedi dod o hyd i gymhwysiad mewn diwydiant. Yma mae'n caniatáu ichi ragweld y galw a chynllunio gwerthiant. Felly, yn y grŵp cwmnïau Cherkizovo, dair blynedd yn ôl, gweithredwyd datrysiad yn seiliedig ar SAP BW, sy'n eich galluogi i storio a phrosesu'r holl wybodaeth werthu: prisiau, amrywiaeth, cyfeintiau cynnyrch, hyrwyddiadau, sianeli dosbarthu, meddai Vladislav Belyaev, CIO o'r grŵp ” Cherkizovo. Roedd y dadansoddiad o'r 2 TB cronedig o wybodaeth nid yn unig yn ei gwneud hi'n bosibl ffurfio'r amrywiaeth yn effeithiol a gwneud y gorau o'r portffolio cynnyrch, ond hefyd yn hwyluso gwaith gweithwyr. Er enghraifft, byddai paratoi adroddiad gwerthiant dyddiol yn gofyn am ddiwrnod o waith gan lawer o ddadansoddwyr - dau ar gyfer pob segment cynnyrch. Nawr mae'r adroddiad hwn yn cael ei baratoi gan y robot, gan dreulio dim ond 30 munud ar bob segment.

“Mewn diwydiant, mae data mawr yn gweithio’n effeithiol ar y cyd â Rhyngrwyd pethau,” meddai Stanislav Meshkov, Prif Swyddog Gweithredol Umbrella IT. “Yn seiliedig ar ddadansoddi data o’r synwyryddion sydd gan yr offer, mae’n bosibl nodi gwyriadau yn ei weithrediad ac atal chwalfeydd, a rhagfynegi perfformiad.”

Yn Severstal, gyda chymorth data mawr, maent hefyd yn ceisio datrys tasgau braidd yn ddibwys - er enghraifft, lleihau cyfraddau anafiadau. Yn 2019, dyrannodd y cwmni tua RUB 1,1 biliwn ar gyfer mesurau i wella diogelwch llafur. Mae Severstal yn disgwyl gostwng y gyfradd anafiadau 2025% o 50 (o gymharu â 2017). “Pe bai rheolwr llinell - fforman, rheolwr safle, rheolwr siop - yn sylwi bod gweithiwr yn cyflawni rhai gweithrediadau yn anniogel (nad yw'n dal gafael ar y canllawiau wrth ddringo grisiau yn y safle diwydiannol neu ddim yn gwisgo'r holl offer amddiffynnol personol), mae'n ysgrifennu nodyn arbennig iddo – PAB (o “archwiliad diogelwch ymddygiadol”),” meddai Boris Voskresensky, pennaeth adran dadansoddi data’r cwmni.

Ar ôl dadansoddi data ar nifer y PABs yn un o'r is-adrannau, canfu arbenigwyr y cwmni fod rheolau diogelwch yn cael eu torri amlaf gan y rhai a oedd eisoes wedi cael sawl sylw o'r blaen, yn ogystal â chan y rhai a oedd ar absenoldeb salwch neu ar wyliau ychydig cyn hynny. y digwyddiad. Roedd troseddau yn ystod yr wythnos gyntaf ar ôl dychwelyd o wyliau neu absenoldeb salwch ddwywaith yn uwch nag yn y cyfnod dilynol: 1 yn erbyn 0,55%. Ond nid yw gweithio ar y sifft nos, fel y digwyddodd, yn effeithio ar ystadegau PABs.

Nid creu algorithmau ar gyfer prosesu data mawr yw'r rhan anoddaf o'r gwaith, meddai cynrychiolwyr y cwmni. Mae'n llawer anoddach deall sut y gellir cymhwyso'r technolegau hyn yng nghyd-destun pob busnes penodol. Dyma lle mae sawdl Achilles o ddadansoddwyr cwmni a hyd yn oed darparwyr allanol yn gorwedd, sydd, mae'n ymddangos, wedi cronni arbenigedd ym maes data mawr.

“Roeddwn yn aml yn cyfarfod â dadansoddwyr data mawr a oedd yn fathemategwyr rhagorol, ond nad oedd ganddynt y ddealltwriaeth angenrheidiol o brosesau busnes,” meddai Sergey Kotik, cyfarwyddwr datblygu GoodsForecast. Mae'n cofio sut ddwy flynedd yn ôl y cafodd ei gwmni gyfle i gymryd rhan mewn cystadleuaeth rhagweld galw am gadwyn adwerthu ffederal. Dewiswyd rhanbarth peilot, ar gyfer yr holl nwyddau a storfeydd y gwnaeth y cyfranogwyr ragolygon ohonynt. Yna cymharwyd y rhagolygon â gwerthiannau gwirioneddol. Cymerwyd y lle cyntaf gan un o gewri Rhyngrwyd Rwseg, sy'n adnabyddus am ei arbenigedd mewn dysgu peiriannau a dadansoddi data: yn ei ragolygon, dangosodd ychydig iawn o wyriad oddi wrth werthiannau gwirioneddol.

Ond pan ddechreuodd y rhwydwaith astudio ei ragolygon yn fwy manwl, daeth yn amlwg, o safbwynt busnes, eu bod yn gwbl annerbyniol. Cyflwynodd y cwmni fodel a gynhyrchodd gynlluniau gwerthu gyda thanddatganiad systematig. Roedd y rhaglen yn cyfrifo sut i leihau'r tebygolrwydd o gamgymeriadau mewn rhagolygon: mae'n fwy diogel tanamcangyfrif gwerthiant, oherwydd gall y gwall uchaf fod yn 100% (nid oes unrhyw werthiannau negyddol), ond i gyfeiriad gor-ddarlledu, gall fod yn fympwyol o fawr, Eglura Kotik. Mewn geiriau eraill, cyflwynodd y cwmni fodel mathemategol delfrydol, a fyddai mewn amodau real yn arwain at siopau hanner gwag a cholledion enfawr o danwerthu. O ganlyniad, enillodd cwmni arall y gystadleuaeth, y gallai ei gyfrifiadau gael eu rhoi ar waith.

Mae technolegau data mawr yn berthnasol i lawer o ddiwydiannau, ond nid yw eu gweithrediad gweithredol yn digwydd ym mhobman, noda Meshkov. Er enghraifft, mewn gofal iechyd mae problem gyda storio data: mae llawer o wybodaeth wedi'i chasglu ac mae'n cael ei diweddaru'n rheolaidd, ond ar y cyfan nid yw'r data hwn wedi'i ddigideiddio eto. Mae yna hefyd lawer o ddata mewn asiantaethau'r llywodraeth, ond nid ydynt yn cael eu cyfuno'n glwstwr cyffredin. Mae datblygu platfform gwybodaeth unedig o'r System Rheoli Data Cenedlaethol (NCMS) wedi'i anelu at ddatrys y broblem hon, meddai'r arbenigwr.

Fodd bynnag, mae ein gwlad ymhell o fod yr unig wlad lle mae penderfyniadau pwysig yn cael eu gwneud yn y rhan fwyaf o sefydliadau ar sail greddf, ac nid dadansoddi data mawr. Ym mis Ebrill y llynedd, cynhaliodd Deloitte arolwg ymhlith mwy na mil o arweinwyr cwmnïau mawr America (gyda staff o 500 neu fwy) a chanfuwyd bod 63% o'r rhai a arolygwyd yn gyfarwydd â thechnolegau data mawr, ond nad oes ganddynt yr holl angenrheidiol. seilwaith i’w defnyddio. Yn y cyfamser, ymhlith y 37% o gwmnïau sydd â lefel uchel o aeddfedrwydd dadansoddol, mae bron i hanner wedi rhagori ar nodau busnes yn sylweddol yn y 12 mis diwethaf.

Datgelodd yr astudiaeth, yn ogystal â'r anhawster o weithredu atebion technegol newydd, mai problem bwysig mewn cwmnïau yw diffyg diwylliant o weithio gyda data. Ni ddylech ddisgwyl canlyniadau da os yw'r cyfrifoldeb am benderfyniadau a wneir ar sail data mawr yn cael ei neilltuo i ddadansoddwyr y cwmni yn unig, ac nid i'r cwmni cyfan. “Nawr mae cwmnïau’n chwilio am achosion defnydd diddorol ar gyfer data mawr,” meddai Miftakhov. “Ar yr un pryd, mae gweithredu rhai senarios yn gofyn am fuddsoddiadau mewn systemau ar gyfer casglu, prosesu a rheoli ansawdd data ychwanegol nad ydynt wedi’u dadansoddi o’r blaen.” Ysywaeth, “nid yw dadansoddeg yn gamp tîm eto,” mae awduron yr astudiaeth yn cyfaddef.