Big Data — это философия
В продолжение поста: http://vasavin.blogspot.com/2014/06/blog-post_12.html,
http://vasavin.blogspot.com/2014/06/blog-post_12.html
http://vasavin.blogspot.com/2014/06/blog-post_12.html
Раньше я работал в Сбербанке. Там на становление технологии
Big Data в корпоративном сегменте в подсегменте малого бизнеса (компании
с оборотом до 400 млн руб. в год) у нас ушло примерно
1,5 года. Полгода назад я перешел в Промсвязьбанк. Команду мы собрали через три
месяца и сейчас получаем первые результаты.
На мой взгляд, Big Data — это
не термин, описывающий большой объем информации. Big Data — это
скорее философия, которая позволяет эти массивы данных правильно использовать.
Очень важным элементом является первичный сбор данных и последующее
обогащение информации. Ключевой момент — это анализ данных. Но самый важный этап —
это использование данных: именно он определяет общую эффективность
системы.
Как собрать информацию? Часто говорят, что есть, мол,
старые инструменты обобщения, сбора и интерпретации данных. Моя позиция,
что этим старым источникам верить нельзя. Можно опираться только на самые
маленькие гранулярные данные. Если вы найдете в них закономерности,
вы будете контролировать и управлять системой гораздо лучше.
Фиксировать нужно абсолютно все, на что у вас хватает средств. Сейчас
компьютерная память недорогая, поэтому, если встает альтернатива, фиксировать
что-то или нет, отвечайте всегда «да».
Модель данных — это самый важный элемент
в Big Data, ее сердце, ее мозг. Если вы не поймете,
что значат конкретные атрибуты, хранящиеся в разных системах, почему они
такие, вы будете ошибаться раз за разом.
При этом использование передовых технологий
не означает, что вы купите самую современную и дорогую систему.
Из широкого выбора программных продуктов вы должны подобрать
инструмент, который подойдет именно вам. По аналитическим возможностям
системы не очень разнятся. А вот простота настройки
и использования и стоимость лицензий в расчете на одного
аналитика отличаются радикально.
Как актуализировать информацию? Если вы только
подходите к созданию системы анализа больших массивов данных,
то ответ: вообще никак. Берите то, что у вас есть, хоть файловый
обмен, хоть загрузку Excel-файлов — это абсолютно не важно, потому
что 80% результата не потребуют какого-то онлайн-обогащения. Если
взять статические данные и разобраться в них, уже можно очень
серьезно повысить, например, качество продаж или сократить потери.
По источникам. Используйте любые доступные
источники: открытые, публичные, условно открытые (продающиеся
за деньги). Если вам вдруг откуда-то достался какой-нибудь диск
из каких-нибудь органов незаконным путем, все равно используйте. Для
бизнеса любые данные могут быть полезны. Иногда выявляются закономерности,
которые не получить логическим путем.
Следующее — рост доли онлайн-обмена. Если
вы уже 1-2 года занимаетесь повышением эффективности на базе одних
и тех же данных, лучше переходить на онлайн. Это будет проще,
выявляющиеся зависимости вы будете вылавливать не месяц в месяц,
а день в день.
Приоритизация недостающих сведений. Всегда нужно
думать о том, каких сведений не хватает модели. Нужно быть
относительно смелым при генерации новых гипотез. Если вам
кажется, что какие-то данные обогатят модель, ищите их. Данных много.
Партнеров, у которых содержатся полезные данные, на рынке достаточно.
То, что важно для банков, содержится и у операторов связи,
и у операторов электронного документооборота, и у компаний,
которые предлагают типовые решения для банков. Статистику сейчас собирают все.
Ищите партнеров.
По поводу того, как анализировать. Естественно,
самое главное — это правильная команда. Я опытным путем пришел
к тому, что самая главная компетенция в команде — визионерство.
То есть это те люди, которым вы доверяете, которые хорошо
понимают бизнес и которые способны выдавать гипотезу за гипотезой.
Потому что ни одна современная система не может сгенерить худо-бедно
эффективную гипотезу.
Нужно сразу брать продвинутые инструменты. Если
вы действительно хотите построить аналитическое подразделение, которое
занимается Big Data, не нужно строить его на Excel. Дайте людям
нормальные инструменты. В том кейсе, который развернут сейчас
в Промсвязьбанке, инструмент обошелся в 1,7 млн руб.
Как использовать? Во-первых, вы должны четко
понимать, чем живет целевая аудитория. В Промсвязьбанке это 200 клиентских
менеджеров, работающих с топовыми клиентами (с нижней границей
выручки от 1,5 млрд руб., а в принципе,
мы сфокусированы на тех, у кого оборот больше 10 млрд
руб.). Клиент-менеджеры — достаточно сложные личности. Их интерес
зависит от того, как построена система мотивации. И в нее
обязательно нужно вставлять рычаги, которыми вы можете манипулировать
с помощью Big Data. После того как вы начинаете вырабатывать
рекомендации, у вас должен быть инструмент давления и контроля
в отношении субъектов этой деятельности, в моем случае —
клиентских менеджеров. Рекомендации должны быть простыми. Человек должен
усваивать их независимо от уровня профессиональной подготовки.
Обратная связь. Обязательно разговаривайте как
с «ударниками» использования ваших рекомендаций, так и с теми,
кто имеет наихудший результат. Обратная связь позволяет откалибровать модель
и сделать ее в разы эффективнее. И нужно всегда помнить
о том, что ваша единственная цель, ваш единственный KPI в отношении
этой деятельности — процент конверсии ваших рекомендаций в живые
сделки.
Андрей Леушев, вице-президент, заместитель
руководителя корпоративного блока Промсвязьбанка
Опубликовано
по адресу: www.vedomosti.ru/newsline/news/28191551/big-data-eto-filosofiya
Источник: статья
«Big Data — это философия» из газеты «Ведомости» от 26.06.2014,№113 (3617).