Принять как данность
Телеком-операторы и другие обладатели BigData* (больших данных) сегодня ищут способы монетизировать владение информацией о потребителях. Пока они чаще используют эти сведения для собственных нужд. Но интерес к большим данным все больше проявляют обычные предприниматели, которые хотят точнее знать потребности своих клиентов. Операторы готовятся зарабатывать на этом, предоставляя девелоперам, ритейлерам и финансистам обезличенную информацию. Чтобы BigData были доступны малому и среднему бизнесу на локальном уровне, эксперты предлагают создать портал, на котором предприниматели смогут подписываться на определенные виды услуг и источников.
Тема обработки и использования больших данных, а также способов монетизировать этот ресурс, на глобальном уровне обсуждается несколько лет. В ноябре телеком-операторы и эксперты обсудили этот вопрос в рамках встречи, организованной газетой „Ъ-Прикамье“.
«Давайте определимся, с какого числа начинаются большие данные», — уточнил руководитель агентства Promedia Алексей Чистяков. По словам завкафедрой математического обеспечения вычислительных систем ПГНИУ Светланы Чуприной — это информация начиная с десятка терабайт. «Мы сейчас проходим путь, который зарубежные партнеры прошли пять-семь лет назад. Весь мир занимается тем, чтобы BigData могли заниматься те, кто не является data-инженерами», — добавила она.
Руководитель Центра прикладной экономики НИУ ВШЭ Дмитрий Клещев отметил, что сейчас большие данные «существуют везде», поэтому интересно понять, как их использовать и как зарабатывать. «Две основные отрасли, которые прежде всего открыты для данных: средства объективного контроля, то есть там, где формируется информация с любых устройств, начиная с датчиков движения и заканчивая системой Глонасс. Второе направление, которое развивается семимильными шагами, — поведенческая психология и поведенческая экономика. Умение понять и спрогнозировать действия тех или иных агентов и является основой для разработки средств, позволяющих получить экономическую выгоду от BigData», — полагает господин Клещев.
Директор пермского филиала Tele2 Антон Антонов отметил, что компания имеет опыт практического применения BigData. «По итогам 2016 года совокупная интернет-аудитория в России не увеличилась. Количество интернет-пользователей в возрасте от 16 лет и старше в 2016 году осталось на уровне 2015 года — 70,4%, то есть около 84 млн человек. Но при этом растет количество выходов в интернет через мобильные телефоны», — пояснил господин Антонов. По его словам, сегодня увеличивается количество пользователей именно мобильного интернета. Прирост владельцев мобильных устройств в России, по итогам 2016 года, составил 6 млн человек. При этом за последние годы активнее всего растет аудитория в возрасте от 35 лет. «Для нас, с одной стороны, это большой вызов. Ведь чем больше абонентов, которые пользуются передачей данных, тем больше мы должны инвестировать в инфраструктуру и обеспечивать высокий уровень качества. С другой стороны, мы можем проанализировать огромный поток информации: понять, откуда и куда перемещаются наши абоненты, где для них важно иметь высокую скорость интернета. Например, стоя в пробке, они хотят получать больше данных», — уточнил Антон Антонов.
Информацию о перемещениях клиентов Tele2 использует для развития собственного ритейла. «Понимая, где концентрируется наибольший трафик наших абонентов, мы открываем новые точки продаж. Мы знаем, какая у этой точки будет экономика, сколько смогут заработать наши партнеры, например, на продаже аксессуаров для телефонов и так далее», — рассказал господин Антонов. Такие удачные локации для салонов связи, по его словам, не всегда удается просчитать обычным способом. Кроме того, Tele2 применяет BigData при разработке новых продуктов. Антон Антонов считает, что потенциальными заказчиками аналитических продуктов на основе обезличенных больших данных со стороны бизнеса любого уровня могут быть девелоперы, ритейлеры, органы власти и финансовые организации.
«Если взять большую тройку общественных организаций, поддерживающих малое и среднее предпринимательство: Торгово-промышленная палата, „Опора России“ и „Деловая Россия“, — на любой из этих площадок звучит запрос от начинающего бизнеса по обезличенным данным. Например, по трафику — где человек паркуется, где обедает и прочее. На старте любой бизнес-инициативы вопрос этих данных, которые определяют рынок, крайне актуален. Если их упаковывать в некие пакетные решения, это будет катализатор появления новых компаний», — поддержал руководитель инновационного центра «Мозгово» Николай Косвинцев.
Директор пермского офиса Mango Telecom Борис Грошев вспомнил о колл-трекинге (call-tracking, отслеживание звонков): «Это не нами придумано и давно используется. Но мы этот инструмент доработали и начали работать с „Яндексом“ и „Гуглом“. Например, можно измерить эффективность офлайновой рекламы — растяжек на улицах, объявлений на подъездах. Колл-трекинг позволяет соединить в цепочку офлайновую рекламу с телефонией и увидеть — эти клиенты пришли за счет такой-то рекламной перетяжки, позвонили тогда-то, находясь в таком-то месте».
Руководитель социологического агентства СВОИ Александр Нода привел другой пример, как большие данные могут использоваться на практике. «Предположим, нытвенский завод, который производит ложки, решил выпустить продукцию, где будут написаны имена. Им нужно получить информацию, сколько ложек с тем или иным именем следует выпустить. В Перми проживает миллион человек, мы обрабатываем данные и получаем список самых популярных мужских и женских имен. Это простой пример, когда на производстве надо запланировать именную сувенирку. Но что делать с информационным „мусором“ — например, с данными о самых популярных фамилиях, — непонятно», — признался Александр Нода. BigData, по его словам, также может применяться для того, чтобы понять, как тот или иной бренд воспринимается в соцсетях. Но есть и ограничения, уточнил господин Нода: «Машина не всегда может распознать сарказм в комментариях и маркирует его как положительный отзыв».
Руководитель службы управления клиентским опытом b2b АО «ЭР-Телеком Холдинг» Юлия Цыбина рассказала о том, как BigData позволяет бороться с оттоком клиентов в сегменте b2b. «У нас большой объем данных о клиентах, но долгое время мы не могли их никак использовать, и отток был хаотичным, зависел скорее от внешних факторов. В 2017 году мы начали проект по снижению оттока на 0,5%. Сейчас он 19,4% — это средний показатель по рынку», — уточнила она. По словам госпожи Цыбиной, в следующем году компания планирует использовать большие данные для разработки модели по увеличению продаж. «Все идут в сторону таргетированных продаж. Сейчас все происходит силами менеджера продаж — весьма дорогостоящий труд и не всегда эффективный, ведь многое зависит от индивидуальных особенностей менеджера. Мы хотим формировать предложение для клиента задолго до того, как к нему придет продажник и выявит потребности. По нашей базе мы можем делать выводы, потому что у нас по России 134 тыс. точек», — отметила Юлия Цыбина. Следующим этапом, уточнила она, станет уже не внутреннее потребление BigData, а монетизация данных.
«Сидящие за этим столом делятся на две части: те, кто обладает данными, и те, кто ждет, когда им эти данные предоставят в каком-то удобоваримом виде. В перспективе ближайшего года непонятно, как малому и среднему бизнесу подступиться к этим данным. Пока тому же девелопменту это предоставляет рекламная система — тот же „Гугл“ или „Яндекс“. С ними все более-менее понятно — появилось таргетирование по интересам, по профилям, по географии. Федералы это могут предоставить, а местный рынок либо не обладает, либо не может собрать минимальный финансовый ресурс, чтобы обработать эти данные и попытаться их продать», — отметил Алексей Чистяков.
Светлана Чуприна видит выход в создании специального портала. «Это портал, где есть подписчики на определенные виды услуг и источников. Одно из решений — чтобы посмотреть источники, вы тоже должны обезличить свои данные и выложить их», — пояснила она. Госпожа Чуприна полагает, что сейчас рынок созрел, чтобы пользоваться таким сервисом.
*Википедия определяет BigData как совокупность подходов, инструментов и методов обработки структурированных и неструктурированных данных огромных объемов и значительного многообразия для получения воспринимаемых человеком результатов, эффективных в условиях непрерывного прироста, распределения по многочисленным узлам вычислительной сети, сформировавшихся в конце 2000-х годов, альтернативных традиционным системам управления базами данных и решениям класса Business Intelligence.