Планета_ТБМ_март

ной форме. Остальное – неструк-

турированные данные, но именно

они растут в мире опережающими

темпами. Среди них много инфор-

мационного мусора: фото, видео,

не применимые в бизнес-практике.

Но важную часть неструктурирован-

ных данных составляют цифровые

следы деятельности электронных

устройств.

Стопором является нехватка ка-

дров и непонимание руководством

компаний возможностей их приме-

нения. На большинстве российских

рынков еще не настолько сильна

конкуренция, чтобы data science ста-

ла фактором выживания для многих.

Но ситуация быстро меняется.

Прежде в фокусе внимания были

приложения, выполняющие какую-то

одну законченную функцию, но из-за

этого компания оказывалась воо-

ружена рядом несовместимых про-

грамм, а передача данных из одной

в другую, например, чтобы сопоста-

вить геолокационные данные клиен-

та с историей его покупок, оказыва-

лась затруднительной. В ближайшее

время стоит ожидать серьезного

прорыва по мере перехода к пара-

дигме, ориентированной на хране-

ние и организацию данных.

Мнение о том, что большие дан-

ные – это адронный коллайдер

и интернет-гиганты, все еще рас-

пространено. Хотя данные для ана-

лиза можно найти и в небольшом

магазинчике. «Веб-мастерам дав-

но известны “тепловые карты” сай-

тов, позволяющие оптимизировать

удобство пользовательского интер-

фейса. Но эта история была пере-

несена и в офлайн. Почти каждый

торговый центр сейчас оснащен

камерами слежения. Был написан

софт, распознающий передвижение

покупателей и составляющий кар-

ты их движения с учетом времени,

которое они провели у каждой пол-

ки, – в итоге получаются “тепловые

карты” торгового зала. Пропустив

через этот софт сотни гигабайт ви-

деозаписей, можно выявить “слепые

зоны” магазина, временные законо-

мерности, а также оценить эффек-

тивность изменений в выкладке

товара, – рассказывает Андрей Се-

брант. – Истории о том, что неявные

данные будут неожиданным образом

интерпретироваться для предложе-

ния новых товаров клиентам, будут

только множиться. По мере того как

мы все больше оцифровываем нашу

жизнь, офлайновые магазины нау-

чатся вести себя так же адаптивно,

как и веб-страницы, меняя выкладку

по дням и часам».

Большие данные идут к вам

Не каждому хочется оказаться

в прицеле таргетирования. Поэто-

му регулярно в общественном поле

возникают скандалы с очередным

нарушением приватности. И чаще

всего в фокусе гнева оказываются

интернет-компании,

собирающие

информацию о посещении сайтов

при помощи специальных log-фай-

лов – куков.

«Куки имеют давнюю офлайно-

вую предысторию. Только в Рос-

сии не особо вдумчивые торговые

сети пытаются использовать карты

лояльности именно для поддержа-

ния лояльности, рассчитывая, что

скидки в пять процентов будет до-

статочно для удержания клиентов.

Во всем остальном мире карточки

постоянных покупателей появились

как инструмент сбора информации

и отслеживания поведения клиен-

тов. Database marketing возник еще

в 70–80-е годы прошлого века, когда

интернета не было, для оптимиза-

ции работы крупных торговых сетей.

Но весь анализ куков аналогичен

математике, связанной с отслежи-

ванием карт лояльности. Например,

стиранию куков в браузере соответ-

ствует потеря карты в офлайновом

мире. Именно из-за вытеснения

конкурирующими методами по мере

распространения оплаты банков-

скими картами и онлайн-торговли

популярность карт лояльности как

маркетингового инструмента сни-

жается», – рассказывает Андрей Се-

брант.

Data science в ее нынешнем виде –

лишь временный суррогат, резуль-

тат технических ограничений. Пока

приходится ограничиваться анали-

зом отдельных сегментов и групп,

но идеал data science – тотальная

слежка и анализ поведения каждого

потребителя для манипуляции его

выбором.

Наш мир и дальше будет покры-

ваться сенсорами, оцифровываю-

щими нашу жизнь. Вскоре каждый

мобильник может оказаться осна-

щенным датчиками, фиксирующими

параметры нашего здоровья: пульс,

давление, кожные реакции.

Скорее всего, культурные нормы,

определяющие границы личного,

и дальше будут постепенно размы-

ваться во благо торжества общества

потребления, в котором удастся про-

гнозировать индивидуальное пове-

дение каждого.

Безусловно, статистические мето-

ды далеко не так совершенны с точки

зрения качества прогнозирования,

как понимание причинно-следствен-

ных связей, но в чуть более отдален-

ной перспективе бурный рост ней-

ронаук сможет компенсировать этот

недостаток, даже если не удастся

смоделировать работу мозга, – пер-

вые попытки читать мысли уже мож-

но считать удачными.

Автор: Виталий Сараев

По материалам:

http://expert.ru/

expert/2013/19/kogda-dannyie-stali-

bolshimi

РАБОТА С БОЛЬШИМИ ДАННЫМИ

ВОСТРЕБОВАНА В БИЗНЕСЕ ДЛЯ

АНАЛИЗА ПОВЕДЕНИЯ КЛИЕНТОВ,

АВТОМАТИЗАЦИИ ПРИНЯТИЯ

РЕШЕНИЙ В РЕЖИМЕ РЕАЛЬНОГО

ВРЕМЕНИ, ОПТИМИЗАЦИИ

ЗАПАСОВ, ОЦЕНКИ РИСКОВ,

ПОСТРОЕНИЯ ПРОГНОЗОВ РЫНКА