Большие данные относятся к большим наборам данных, которые могут быть проанализированы для выявления закономерностей, тенденций и ассоциаций, особенно в отношении человеческого поведения и взаимодействий. Большие данные уже объяснялись в другой статье (Большие данные 1: что такое Большие данные?). В этой статье будут описаны некоторые реальные примеры использования Больших данных для целей управления и измерения эффективности.
Управление эффективностью включает в себя управление организацией, чтобы гарантировать, что она достигает своих целей. В широком смысле большие данные имеют отношение к управлению эффективностью следующим образом:
Netflix начинал как служба рассылки DVD и разработал алгоритмы, помогающие прогнозировать предпочтения и привычки зрителей. Теперь он доставляет фильмы через Интернет и может легко собирать информацию о том, когда просматриваются фильмы, как часто они могут быть остановлены и перезапущены, где они могут быть брошены и как пользователи оценивают фильмы. Это позволяет Netflix прогнозировать, какие фильмы будут популярны у каких клиентов. Большие данные также используется Netflix для производства собственных телесериалов с гораздо большей уверенностью в том, что они станут хитами.
Ведущий в мире интернет-ритейлер собирает огромное количество информации о предпочтениях и привычках клиентов, что позволяет ему делать очень точное маркетинговое предложение для каждого клиента. Например, он регулярно дает рекомендации клиентам на основе ранее приобретенных продуктов.
Авиакомпании знают, куда вы летали, предпочитаемые места, класс обслуживания, когда вы летфете, как часто вы ищете рейс перед бронированием, насколько вы восприимчивы к скидкам, возможно, какую другую авиакомпанию вы могли бы забронировать, были ли случаи, когда вы возвращались к ним, но не улетели, был ли в прошлый раз взят на прокат автомобиль, какой класс отеля вы можете забронировать через их сайт, какие маршруты набирают популярность, сезонность маршрутов. Они также знают прибыльность каждого клиента, поэтому, например, в случае отмены рейса они могут в первую очередь помочь наиболее ценным клиентам.
Эта информация позволяет авиакомпаниям разрабатывать новые маршруты и расписание, сопоставлять маршруты с самолетами, а также делать индивидуальные предложения каждому потенциальному пассажиру.
Target — крупный дисконтный ритейлер в США. Часто цитируется история об их способности предсказать, когда клиентка беременна — часто ещё до того, как она сообщит об этом своей семье. Утверждается, что, просмотрев около 25 продуктов, они могут создать предиктор беременности. Например, ранняя беременность часто вызывает утреннее недомогание, поэтому такие покупатели, возможно, перейдут на более безвкусную пищу и менее ароматизированный гель для душа. Зачем ритейлеру знать, беременна ли клиентка? Сначала во время беременности человек будет нуждаться в других продуктах. Затем, через несколько месяцев, у ребенка будут свои потребности в продуктах: подгузники, детский шампунь и одежда. Раннее выявление беременности может позволить Target установить покупательские привычки матери и, возможно, даже предпочтения ребенка.
Walmart — американский ритейлер, работающий в 28 странах мира. Это крупнейшая в мире компания по выручке. Многие клиенты Walmart покупают товары онлайн через веб-сайт компании. Walmart хотел убедиться, что покупатели смогут найти то, что ищут на его веб-сайте, поэтому разработал поисковую систему Polaris. Если клиенты ищут определенный продукт, они вводят описание в поле поиска, и на веб-сайте отображаются продукты, соответствующие этому описанию.
Что необычно в Polaris, так это способ ранжирования результатов поиска. Он пытается показать в верхней части списка продукты, которые клиент купит скорее всего. Алгоритм учитывает множество факторов, в том числе количество лайков продукта в социальных сетях и количество положительных отзывов о нем.
Система также использует искусственный интеллект для обучения, чтобы постоянно обеспечивать лучшие результаты поиска. Например, если была введена фраза, которую движок изначально не понял, движок может «узнать», что означает эта фраза, исходя из того, что на самом деле купил клиент. Таким образом, система вскоре может выяснить, что, когда пользователь вводил «Дом» в поле поиска, он, вероятно, искал товары, связанные с одноименным сериалом, а не мебель или другие предметы для своего дома. Если кто-то ищет «Квартиры» (flats), система определит, что он, вероятно, хочет купить обувь (flat shoes – туфли на плоской подошве), а не квартиры или телевизоры с плоским экраном.
Показателем, который используется для измерения успеха веб-сайта, является коэффициент конверсии клиентов — количество клиентов, которые действительно покупают продукт после поиска. По оценкам, поисковая система Polaris увеличила коэффициент конверсии на 10-15%. Это стоит миллиардов долларов дополнительного дохода.
Beredynamic is a manufacturer of high quality audio products such as microphones and headphones. The company is based in Germany, but has a wide international sales and distribution network. The company wanted to improve its analysis of sales. Most ad hoc reports required data to be extracted from its legacy systems into a spreadsheet where the reports would then be manually compiled. This was time consuming, leading to delays in producing the reports. The reports themselves were not always accurate either.
Компания разработала хранилище данных, которое автоматически извлекает транзакции из существующих систем ERP и финансового учета. Структура этого хранилища была тщательно разработана таким образом, чтобы для каждой транзакции сохранялась стандартная информация, такая как коды продуктов, код страны, клиент и регион. Это дополняется веб-решением для создания отчетов, которое позволяет менеджерам создавать свои собственные отчеты, как стандартные, так и специальные, на основе данных, находящихся в хранилище.
Система позволяет компании проводить подробный анализ продаж, что помогает ей выявлять тенденции по различным продуктам или рынкам. Это приводит к двум преимуществам для бизнеса. Во-первых, стратегия продаж и дистрибуции может быть изменена при изменении спроса на определенных рынках — например, когда в Японии начали расти продажи игровых наушников, компания ввела акции на всю свою игровую продукцию в этой стране, включая большую рекламную кампанию и введение продуктовых наборов специально для японского рынка. Второе преимущество заключается в том, что производственные планы могут быть быстро изменены по мере изменения спроса. Если спрос падает, производство замедляется, чтобы у компании не осталось избыточных запасов. Если спрос увеличивается, производство увеличивается, чтобы воспользоваться более высокими продажами.
Возможность быстрого проведения более подробного анализа также может быть использована для измерения и оценки эффективности, например, для сравнения фактических продаж с целевыми показателями по регионам, оценки того, привело ли продвижение к ожидаемому увеличению прибыли. Такие отчеты могут быть подготовлены быстро на основе данных в режиме реального времени, а это означает, что руководство может быстро реагировать на любые неблагоприятные отклонения.
Успех новой системы измеряется ростом выручки и прибыли. Хотя кажется, что это просто, следует также учитывать, что некоторый рост можно было бы ожидать, даже если бы система не была внедрена, поэтому может быть трудно определить, насколько доход вырос именно в результате более тщательного анализа. Здесь необходимо делать предположения.
Клиент в шутку написал в Твиттере американской сети Morton’s и попросил, чтобы ужин был отправлен в аэропорт Ньюарка, куда он должен был прибыть поздно. Morton’s увидел твит, понял, что этот человек был постоянным клиентом, получил информацию о том, что он обычно заказывал, выяснил, на каком рейсе он был, а затем послал официанта, чтобы встретить его в аэропорту и подать ужин.
Очевидно, что это действие было рекламным ходом, и ресторан надеялся, что их клиент опубликует их в будущих твитах. Это демонстрирует то, как легко Morton’s смог идентифицировать клиента, отправившего твит, и выяснить, какое у него любимое блюдо. Это также показывает, как компании любят влиять на пользователей социальных сетей, у которых много подписчиков, чтобы повысить свою известность.
Трудно измерить влияние различных мероприятий в социальных сетях Без сомнения, счастливый клиент мог бы рассказать эту историю, что, возможно, улучшило бы репутацию ресторана, но очень трудно измерить влияние таких случаев на продажи.
Приведенные выше случаи показали, как подробный анализ данных можно использовать различными способами для повышения эффективности организации. Большие данные можно использовать для лучшего понимания клиентов и тенденций, для получения информации о расходах и для того, чтобы клиентам было проще находить на веб-сайте то, что они хотят. Компании, вероятно, продолжат находить инновационные способы использования растущих объемов доступных им данных, а анализ Больших данных, вероятно, будет приобретать все большее значение как важный стратегический инструмент для многих бизнесов.
Обновленная статья взята из статей Кена Гарретта, внештатного лектора и писателя, и Ника Райана, ведущего преподавателя по предметам управления эффективностью.