Өгөгдөл шиг хүлээн зөвшөөр: бизнесүүд том өгөгдлөөс хэрхэн ашиг олж сурдаг

Том өгөгдөлд дүн шинжилгээ хийснээр компаниуд далд хэв маягийг илрүүлж, бизнесийн гүйцэтгэлээ сайжруулж сурдаг. Чиглэл нь загварлаг боловч тэдэнтэй ажиллах соёлгүйн улмаас хүн бүр big data-аас ашиг хүртэж чадахгүй

“Хүний нэр олон байх тусам төлбөрөө цаг тухайд нь хийх магадлал өндөр байдаг. Танай байшин илүү олон давхар байх тусам та илүү сайн зээлдэгч болно. Зээлдэгчдийн зан төлөвийн гэнэтийн хэв маягийн талаар Хоум Кредит банкны шинжээч Станислав Дужинский хэлэхдээ, ордны тэмдэг нь буцаан олголтын магадлалд бараг ямар ч нөлөө үзүүлэхгүй, харин сэтгэлзүйн хэв маяг нь ихээхэн нөлөөлдөг. Тэрээр эдгээр олон хэв маягийг тайлбарлах үүрэг хүлээгээгүй - тэдгээрийг олон мянган хэрэглэгчийн профайлыг боловсруулсан хиймэл оюун ухаан илрүүлсэн.

Энэ бол том өгөгдлийн аналитикийн хүч юм: асар их хэмжээний бүтэцгүй өгөгдөлд дүн шинжилгээ хийснээр программ нь хүний ​​хамгийн ухаалаг шинжээчийн ч мэдэхгүй олон хамаарлыг илрүүлж чадна. Аливаа компанид ажилчид, үйлчлүүлэгчид, түншүүд, өрсөлдөгчдийн талаархи асар их хэмжээний бүтэцгүй өгөгдөл (том өгөгдөл) байдаг бөгөөд үүнийг бизнесийн ашиг тусын тулд ашиглаж болно: урамшууллын үр нөлөөг сайжруулах, борлуулалтын өсөлтийг хангах, боловсон хүчний эргэлтийг бууруулах гэх мэт.

Том өгөгдөлтэй хамгийн түрүүнд ажиллаж байсан хүмүүс бол том технологи, харилцаа холбооны компаниуд, санхүүгийн байгууллагууд болон жижиглэн худалдаачид байсан гэж ТУХН-ийн Deloitte Technology Integration Group-ийн захирал Рафаил Мифтахов тайлбарлав. Одоо олон салбарт ийм шийдлийг сонирхож байна. Компаниуд ямар үр дүнд хүрсэн бэ? Том өгөгдлийн шинжилгээ нь үргэлж үнэ цэнэтэй дүгнэлтэд хүргэдэг үү?

Банкууд томоохон мэдээллийн алгоритмуудыг голчлон харилцагчийн туршлагыг сайжруулах, зардлыг оновчтой болгох, эрсдэлийг удирдах, залилантай тэмцэх зорилгоор ашигладаг. "Сүүлийн жилүүдэд том мэдээллийн шинжилгээний салбарт жинхэнэ хувьсгал гарсан" гэж Дужинский хэлэв. "Машины сургалтын хэрэглээ нь зээлийн эргэн төлөгдөх магадлалыг илүү нарийвчлалтай урьдчилан таамаглах боломжийг бидэнд олгодог - манай банкны өр төлбөр ердөө 3,9% байна." Харьцуулбал, 1 оны нэгдүгээр сарын 2019-ний байдлаар иргэдэд олгосон зээлд 90 хоногоос дээш хугацаа хэтэрсэн зээлийн эзлэх хувь таван хувьтай байна гэж Төвбанкнаас мэдээллээ.

Бичил санхүүгийн байгууллагууд хүртэл том өгөгдлийг судалж байгаад гайхдаг. Онлайн зээлийн платформ болох Webbankir-ийн гүйцэтгэх захирал Андрей Пономарев "Өнөөдөр том өгөгдөлд дүн шинжилгээ хийхгүйгээр санхүүгийн үйлчилгээ үзүүлэх нь тоогүйгээр математик хийхтэй адил юм" гэж хэлэв. "Бид үйлчлүүлэгч болон түүний паспортыг харахгүйгээр онлайнаар мөнгө гаргадаг бөгөөд уламжлалт зээлээс ялгаатай нь бид тухайн хүний ​​төлбөрийн чадварыг үнэлээд зогсохгүй түүний зан чанарыг тодорхойлох ёстой."

Одоо тус компанийн мэдээллийн санд 500 мянга гаруй хэрэглэгчийн мэдээлэл хадгалагдаж байна. Шинэ програм бүрийг 800 орчим параметрт энэ өгөгдөлд дүн шинжилгээ хийдэг. Хөтөлбөр нь зөвхөн хүйс, нас, гэр бүлийн байдал, зээлийн түүхээс гадна тухайн хүн платформд орсон төхөөрөмж, сайт дээр хэрхэн биеэ авч явсан зэргийг харгалзан үздэг. Жишээлбэл, боломжит зээлдэгч зээлийн тооцоолуур ашиглаагүй эсвэл зээлийн нөхцөлийн талаар асуугаагүй байх нь түгшүүр төрүүлж магадгүй юм. "Бид 19-өөс доош насны хүмүүст зээл олгохгүй гэх мэт хэд хэдэн зогсолтын хүчин зүйлийг эс тооцвол эдгээр үзүүлэлтүүдийн аль нь ч зээл олгохоос татгалзах эсвэл зөвшөөрөх шалтгаан болохгүй" гэж Пономарев тайлбарлав. Энэ нь чухал хүчин зүйлүүдийн хослол юм. Тохиолдлын 95% -д нь андеррайтерийн хэлтсийн мэргэжилтнүүдийн оролцоогүйгээр шийдвэрийг автоматаар гаргадаг.

Том өгөгдлийн шинжилгээ нь сонирхолтой хэв маягийг олж авах боломжийг бидэнд олгодог гэж Пономарев хэлэв. Жишээлбэл, iPhone хэрэглэгчид Android төхөөрөмж эзэмшигчдээс илүү сахилга баттай зээлдэгч болох нь тогтоогдсон - эхнийх нь програмын зөвшөөрлийг 1,7 дахин их авдаг. "Цэргийн албан хаагчид дундаж зээлдэгчийнхээс бараг дөрөвний нэгээр бага хугацаанд зээлээ төлдөггүй нь гэнэтийн зүйл биш байсан" гэж Пономарев хэлэв. "Гэхдээ оюутнууд ихэвчлэн үүрэг хүлээдэггүй, гэхдээ зээлийн үлдэгдэл нь үндсэн зээлийн дунджаас 10% бага байдаг."

Том өгөгдлийг судлах нь даатгагчдад оноо өгөх боломжийг олгодог. 2016 онд байгуулагдсан IDX нь бичиг баримтыг зайнаас таних, онлайнаар баталгаажуулах чиглэлээр ажилладаг. Эдгээр үйлчилгээ нь бараагаа аль болох бага алдах сонирхолтой ачаа тээврийн даатгагчдын дунд эрэлт хэрэгцээтэй байдаг. Ачаа тээвэрлэх даатгалд даатгуулахаасаа өмнө даатгагч жолоочийн зөвшөөрлөөр найдвартай эсэхийг шалгадаг гэж IDX-ийн арилжааны захирал Ян Слока тайлбарлав. Түнш болох Санкт-Петербургийн "Эрсдэлийн хяналт" компанитай хамтран IDX нь жолоочийн биеийн байцаалт, паспортын мэдээлэл, эрхийг шалгах, ачаа алдахтай холбоотой осолд оролцох гэх мэт үйлчилгээг бий болгосон. Шинжилгээ хийсний дараа Жолооч нарын мэдээллийн санд тус компани "эрсдлийн бүлэг"-ийг тодорхойлсон: ихэнхдээ 30-40 насны олон жолоодлоготой, сүүлийн үед ажлаа сольж байсан жолооч нарын дунд ачаа алдагддаг. Мөн ачааг ихэвчлэн найман жилээс дээш хугацаатай автомашины жолооч нар хулгайлдаг нь тогтоогджээ.

Жижиглэн худалдаачид өөр даалгавартай байдаг - худалдан авалт хийхэд бэлэн байгаа худалдан авагчдыг тодорхойлох, тэднийг сайт эсвэл дэлгүүрт авчрах хамгийн үр дүнтэй арга замыг тодорхойлох. Үүний тулд програмууд нь үйлчлүүлэгчдийн хувийн мэдээлэл, хувийн дансны мэдээлэл, худалдан авалтын түүх, хайлтын асуулга, урамшууллын онооны ашиглалт, бөглөж, орхисон цахим сагсны агуулгыг шинжилдэг. Мэдээллийн аналитик нь мэдээллийн санг бүхэлд нь сегментчилэх, тодорхой саналыг сонирхож болох боломжит худалдан авагчдын бүлгийг тодорхойлох боломжийг олгодог гэж M.Video-Eldorado группын мэдээллийн албаны захирал Кирилл Иванов хэлэв.

Жишээлбэл, хөтөлбөр нь хүүгүй зээл, бэлэн мөнгө эсвэл хөнгөлөлтийн сурталчилгааны код гэх мэт өөр өөр маркетингийн хэрэгсэлд дуртай үйлчлүүлэгчдийн бүлгийг тодорхойлдог. Эдгээр худалдан авагчид харгалзах урамшуулал бүхий имэйл мэдээллийн товхимол хүлээн авдаг. Энэ тохиолдолд захидал нээсэн хүн компанийн вэбсайт руу орох магадлал мэдэгдэхүйц нэмэгддэг гэж Иванов тэмдэглэв.

Өгөгдлийн шинжилгээ нь холбогдох бүтээгдэхүүн, дагалдах хэрэгслийн борлуулалтыг нэмэгдүүлэх боломжийг олгодог. Бусад үйлчлүүлэгчдийн захиалгын түүхийг боловсруулдаг систем нь худалдан авагчид сонгосон бүтээгдэхүүнийхээ хамт юу худалдаж авах талаар зөвлөмж өгдөг. Ивановын хэлснээр ажлын энэ аргыг туршиж үзэхэд дагалдах хэрэгслийн захиалгын тоо 12%, дагалдах хэрэгслийн эргэлт 15% -иар өссөн байна.

Үйлчилгээний чанарыг сайжруулж, борлуулалтыг нэмэгдүүлэхийг зөвхөн жижиглэнгийн худалдаачид л эрмэлздэггүй. Өнгөрсөн зун MegaFon сая сая захиалагчдын мэдээллийг боловсруулахад суурилсан "ухаалаг" үйлчилгээг нэвтрүүлсэн. Тэдний зан авирыг судалсны дараа хиймэл оюун ухаан нь тарифын хүрээнд үйлчлүүлэгч бүрт хувийн санал гаргаж сурсан. Жишээлбэл, хэрэв хүн өөрийн төхөөрөмж дээр видеог идэвхтэй үзэж байгааг программ тэмдэглэвэл үйлчилгээ нь түүнд гар утасны урсгалын хэмжээг нэмэгдүүлэхийг санал болгоно. Хэрэглэгчдийн хүсэл сонирхлыг харгалзан, компани нь захиалагчдад дуртай интернетийн чөлөөт цагаа өнгөрөөх, жишээлбэл, мессенжер ашиглах эсвэл стриминг үйлчилгээн дээр хөгжим сонсох, олон нийтийн сүлжээгээр чатлах эсвэл ТВ шоу үзэх зэрэгт хязгааргүй траффик олгодог.

"Бид захиалагчдын зан төлөвт дүн шинжилгээ хийж, тэдний сонирхол хэрхэн өөрчлөгдөж байгааг ойлгодог" гэж MegaFon-ийн том мэдээллийн аналитикийн захирал Виталий Щербаков тайлбарлав. "Жишээ нь, энэ жил AliExpress-ийн урсгал өнгөрсөн жилтэй харьцуулахад 1,5 дахин өссөн бөгөөд ерөнхийдөө хувцасны онлайн дэлгүүрээр зочлох хүмүүсийн тоо тодорхой нөөцөөс хамааран 1,2-2 дахин нэмэгдэж байна."

Том өгөгдөл бүхий операторын ажлын өөр нэг жишээ бол сураггүй алга болсон хүүхэд, насанд хүрэгчдийг хайж олох MegaFon Poisk платформ юм. Уг систем нь сураггүй алга болсон газрын ойролцоо ямар хүмүүс байж болохыг шинжилж, сураггүй болсон хүний ​​гэрэл зураг, тэмдэг бүхий мэдээллийг илгээдэг. Оператор нь Дотоод хэргийн яам болон Lisa Alert байгууллагатай хамтран системийг боловсруулж, туршиж үзсэн: сураггүй болсон хүнийг чиглүүлснээс хойш хоёр минутын дотор 2 мянга гаруй захиалагч хүлээн авдаг бөгөөд энэ нь хайлтын үр дүнд амжилттай гарах боломжийг ихээхэн нэмэгдүүлдэг.

Том өгөгдлийн шинжилгээ нь үйлдвэрлэлд ч хэрэглэгдэх болсон. Энд эрэлтийг урьдчилан таамаглах, борлуулалтыг төлөвлөх боломжийг олгодог. Тиймээс, Черкизово групп компаниудад гурван жилийн өмнө SAP BW дээр суурилсан шийдлийг хэрэгжүүлсэн бөгөөд энэ нь борлуулалтын бүх мэдээллийг хадгалах, боловсруулах боломжийг олгодог: үнэ, нэр төрөл, бүтээгдэхүүний хэмжээ, сурталчилгаа, түгээлтийн суваг гэж CIO Владислав Беляев хэлэв. бүлгийн "Черкизово. Хуримтлагдсан 2 TB мэдээллийн дүн шинжилгээ нь бүтээгдэхүүний нэр төрлийг үр дүнтэй бүрдүүлэх, бүтээгдэхүүний багцыг оновчтой болгох боломжийг олгосон төдийгүй ажилчдын ажлыг хөнгөвчилсөн. Жишээлбэл, өдөр тутмын борлуулалтын тайланг бэлтгэхэд олон шинжээчдийн нэг өдрийн ажил шаардлагатай болно - бүтээгдэхүүний сегмент бүрт хоёр. Одоо энэ тайланг робот бэлтгэж, бүх сегментэд ердөө 30 минут зарцуулдаг.

Umbrella IT компанийн гүйцэтгэх захирал Станислав Мешков “Аж үйлдвэрт том өгөгдөл нь интернетийн зүйлстэй хамт үр дүнтэй ажилладаг. "Тоног төхөөрөмжөөр тоноглогдсон мэдрэгчүүдийн өгөгдөлд дүн шинжилгээ хийсний үндсэн дээр түүний үйл ажиллагааны хазайлтыг тодорхойлж, эвдрэлээс урьдчилан сэргийлэх, гүйцэтгэлийг урьдчилан таамаглах боломжтой."

Северстальд том мэдээллийн тусламжтайгаар тэд энгийн бус ажлуудыг шийдвэрлэхийг хичээдэг, жишээлбэл, гэмтлийн түвшинг бууруулах. 2019 онд тус компани хөдөлмөрийн аюулгүй байдлыг сайжруулах арга хэмжээнд 1,1 тэрбум рубль зарцуулсан. Северсталь гэмтлийн түвшинг 2025% -иар 50 (2017 онтой харьцуулахад) бууруулна гэж найдаж байна. "Хэрэв шугамын менежер - мастер, талбайн дарга, цехийн дарга - ажилтан тодорхой үйлдлүүдийг аюулгүй бус гүйцэтгэж байгааг анзаарсан бол (үйлдвэрлэлийн талбайд шатаар авирахдаа бариулаас барьдаггүй эсвэл бүх хувийн хамгаалалтын хэрэгслийг өмсдөггүй) тэр бичдэг. түүнд зориулсан тусгай тэмдэглэл - PAB ("зан үйлийн аюулгүй байдлын аудит" -ээс) "гэж компанийн мэдээллийн шинжилгээний албаны дарга Борис Воскресенский хэлэв.

Тус компанийн мэргэжилтнүүд аль нэг хэлтэс дэх PAB-ийн тооны талаархи мэдээлэлд дүн шинжилгээ хийсний дараа аюулгүй байдлын дүрмийг өмнө нь хэд хэдэн удаа мэдэгдэл хийж байсан хүмүүс, түүнчлэн өвчний чөлөө авсан эсвэл амралтанд байсан хүмүүс ихэвчлэн зөрчдөг болохыг тогтоожээ. болсон явдал. Амралт эсвэл өвчний чөлөөгөөр буцаж ирснээс хойшхи эхний долоо хоногт гарсан зөрчил дараагийн үетэй харьцуулахад хоёр дахин их байна: 1-ээс 0,55%. Гэхдээ шөнийн ээлжинд ажиллах нь PAB-ийн статистикт нөлөөлөхгүй.

Том өгөгдлийг боловсруулах алгоритмыг бий болгох нь ажлын хамгийн хэцүү хэсэг биш гэж компанийн төлөөлөгчид хэлж байна. Эдгээр технологийг тодорхой бизнес бүрийн хүрээнд хэрхэн ашиглахыг ойлгоход илүү хэцүү байдаг. Компанийн шинжээчид, тэр ч байтугай гадны үйлчилгээ үзүүлэгчдийн Ахиллесийн өсгий энд оршдог бөгөөд энэ нь том мэдээллийн салбарт туршлага хуримтлуулсан бололтой.

GoodsForecast компанийн хөгжүүлэлтийн захирал Сергей Котик хэлэхдээ "Би маш сайн математикч байсан ч бизнесийн үйл явцын талаар шаардлагатай ойлголтгүй том өгөгдлийн шинжээчидтэй байнга уулздаг байсан." Хоёр жилийн өмнө түүний компани холбооны жижиглэн худалдааны сүлжээний эрэлтийг урьдчилан таамаглах уралдаанд оролцох боломжтой байсныг тэрээр дурсав. Туршилтын бүс нутгийг сонгосон бөгөөд оролцогчдын урьдчилсан таамаглалыг гаргасан бүх бараа, дэлгүүрүүд. Дараа нь урьдчилсан мэдээг бодит борлуулалттай харьцуулсан. Эхний байрыг машин сурах, өгөгдөлд дүн шинжилгээ хийх чиглэлээр мэргэшсэн Оросын интернетийн аварга компаниудын нэг эзэлжээ: урьдчилсан мэдээгээр энэ нь бодит борлуулалтаас хамгийн бага хазайлтыг харуулсан.

Гэвч сүлжээ нь түүний таамаглалыг илүү нарийвчлан судалж эхлэхэд бизнесийн үүднээс авч үзвэл энэ нь огт хүлээн зөвшөөрөгдөхгүй юм. Тус компани борлуулалтын төлөвлөгөөг системтэйгээр дутуу үнэлдэг загварыг нэвтрүүлсэн. Хөтөлбөр нь урьдчилан таамаглахад алдаа гарах магадлалыг хэрхэн бууруулах талаар олж мэдсэн: борлуулалтыг дутуу үнэлэх нь илүү найдвартай, учир нь хамгийн их алдаа нь 100% байж болно (сөрөг борлуулалт байхгүй), гэхдээ хэт их таамаглах чиглэлд энэ нь дур зоргоороо их байж болно. Котик тайлбарлав. Өөрөөр хэлбэл, компани бодит нөхцөлд дэлгүүрүүд хагас хоосон, дутуу борлуулалтаас асар их алдагдалд хүргэх хамгийн тохиромжтой математик загварыг танилцуулсан. Үүний үр дүнд тооцоолол нь амьдралд хэрэгжих боломжтой өөр компани тэмцээнд түрүүлсэн.

Том өгөгдлийн технологи нь олон салбарт хамааралтай боловч тэдгээрийг идэвхтэй хэрэгжүүлэх нь хаа сайгүй тохиолддог гэж Мешков тэмдэглэв. Жишээлбэл, эрүүл мэндийн салбарт өгөгдөл хадгалах асуудал тулгардаг: маш их мэдээлэл хуримтлагдсан бөгөөд байнга шинэчлэгддэг боловч ихэнх тохиолдолд энэ өгөгдлийг дижитал хэлбэрт оруулаагүй байна. Мөн төрийн байгууллагуудад маш олон тоо баримт байдаг ч тэдгээрийг нэгдмэл кластерт нэгтгэдэггүй. Үндэсний Мэдээллийн Удирдлагын Систем (ҮМС)-ийн нэгдсэн мэдээллийн платформыг хөгжүүлэх нь энэ асуудлыг шийдвэрлэхэд чиглэгдэж байна гэж шинжээч хэлэв.

Гэвч манай улс ихэнх байгууллагад томоохон датад дүн шинжилгээ хийх бус зөн совингоор чухал шийдвэр гаргадаг цорын ганц улсаас хол байна. Өнгөрсөн оны дөрөвдүгээр сард Deloitte Америкийн томоохон компаниудын (500 ба түүнээс дээш ажилтантай) мянга гаруй удирдагчдын дунд судалгаа явуулахад судалгаанд хамрагдагсдын 63 хувь нь том дата технологийг мэддэг ч шаардлагатай бүх зүйл байхгүй байгааг тогтоожээ. тэдгээрийг ашиглах дэд бүтэц. Үүний зэрэгцээ, аналитик өндөр түвшний компаниудын 37% нь сүүлийн 12 сарын хугацаанд бараг тал нь бизнесийн зорилгоо хэтрүүлсэн байна.

Техникийн шинэ шийдлүүдийг хэрэгжүүлэхэд хүндрэлтэй байгаагаас гадна компаниудын нэг чухал асуудал бол өгөгдөлтэй ажиллах соёл дутмаг байгааг судалгаагаар тогтоожээ. Том өгөгдлийн үндсэн дээр гаргасан шийдвэрийн хариуцлагыг бүхэлд нь компанид биш зөвхөн компанийн шинжээчид хариуцдаг бол та сайн үр дүнг хүлээх ёсгүй. "Одоо компаниуд том өгөгдлийг ашиглах сонирхолтой тохиолдлуудыг хайж байна" гэж Мифтахов хэлэв. "Үүний зэрэгцээ зарим хувилбаруудыг хэрэгжүүлэхийн тулд өмнө нь дүн шинжилгээ хийгээгүй нэмэлт мэдээллийг цуглуулах, боловсруулах, чанарын хяналтын системд хөрөнгө оруулалт хийх шаардлагатай байна." Харамсалтай нь, "аналитик хараахан багийн спорт биш" гэж судалгааны зохиогчид хүлээн зөвшөөрөв.