קבל כמו נתונים: איך עסקים לומדים להרוויח מביג דאטה

על ידי ניתוח נתונים גדולים, חברות לומדות לחשוף דפוסים נסתרים, ולשפר את הביצועים העסקיים שלהן. הכיוון אופנתי, אבל לא כולם יכולים להרוויח מביג דאטה בגלל היעדר תרבות של עבודה איתם

"ככל ששמו של אדם נפוץ יותר, כך גדל הסיכוי שהוא ישלם בזמן. ככל שהבית שלך מכיל יותר קומות, כך סטטיסטית אתה לווה טוב יותר. למזל גלגל המזלות אין כמעט השפעה על הסבירות להחזר, אבל הפסיכוטיפ כן משפיע באופן משמעותי", אומר סטניסלב דוז'ינסקי, אנליסט בבנק הום קרדיט, על דפוסים בלתי צפויים בהתנהגות הלווים. הוא אינו מתחייב להסביר רבים מהדפוסים הללו - הם נחשפו על ידי בינה מלאכותית, שעיבדה אלפי פרופילי לקוחות.

זהו הכוח של ניתוח ביג דאטה: על ידי ניתוח כמות עצומה של נתונים לא מובנים, התוכנית יכולה לגלות מתאמים רבים שהאנליטיקאי האנושי החכם ביותר לא יודע עליהם. לכל חברה יש כמות עצומה של נתונים לא מובנים (ביג דאטה) – על עובדים, לקוחות, שותפים, מתחרים, שיכולים לשמש לתועלת עסקית: שיפור השפעת המבצעים, השגת גידול במכירות, הפחתת תחלופת עובדים וכו'.

הראשונים שעבדו עם ביג דאטה היו חברות טכנולוגיה וטלקומוניקציה גדולות, מוסדות פיננסיים וקמעונאות, אומר רפאיל מפטחוב, מנהל קבוצת Deloitte Technology Integration Group, CIS. כעת יש עניין בפתרונות כאלה בתעשיות רבות. מה השיגו חברות? והאם ניתוח ביג דאטה תמיד מוביל למסקנות בעלות ערך?

בנקים משתמשים באלגוריתמי ביג דאטה בעיקר כדי לשפר את חווית הלקוח ולייעל עלויות, כמו גם לניהול סיכונים ולהילחם בהונאות. "בשנים האחרונות התרחשה מהפכה של ממש בתחום ניתוח הביג דאטה", אומר דוז'ינסקי. "השימוש בלמידת מכונה מאפשר לנו לחזות את ההסתברות למחדל הלוואות בצורה הרבה יותר מדויקת - העבריינות בבנק שלנו היא רק 3,9%". לשם השוואה, נכון ל-1 בינואר 2019, חלקן של ההלוואות עם איחור בתשלומים מעל 90 יום בהלוואות שהונפקו ליחידים היה, לפי נתוני הבנק המרכזי, 5%.

אפילו ארגוני מימון מיקרו מבולבלים מהמחקר של ביג דאטה. "לספק שירותים פיננסיים מבלי לנתח ביג דאטה היום זה כמו לעשות מתמטיקה ללא מספרים", אומר אנדריי פונומארב, מנכ"ל Webbankir, פלטפורמת הלוואות מקוונות. "אנחנו מנפיקים כסף באינטרנט מבלי לראות את הלקוח או את הדרכון שלו, ובניגוד להלוואות מסורתיות, עלינו לא רק להעריך את כושר הפירעון של אדם, אלא גם לזהות את אישיותו".

כעת מאגר המידע של החברה מאחסן מידע על יותר מ-500 אלף לקוחות. כל אפליקציה חדשה מנותחת עם הנתונים האלה בכ-800 פרמטרים. התוכנית לוקחת בחשבון לא רק מין, גיל, מצב משפחתי והיסטוריית אשראי, אלא גם את המכשיר שממנו אדם נכנס לפלטפורמה, איך הוא התנהג באתר. למשל, זה עשוי להדאיג שלווה פוטנציאלי לא השתמש במחשבון הלוואה או לא שאל לגבי תנאי ההלוואה. "למעט כמה גורמי עצירה - נניח, אנחנו לא מנפיקים הלוואות לאנשים מתחת לגיל 19 - אף אחד מהפרמטרים האלה כשלעצמו אינו סיבה לסירוב או להסכמה להנפקת הלוואה", מסביר פונומרב. השילוב של הגורמים הוא שחשוב. ב-95% מהמקרים ההחלטה מתקבלת באופן אוטומטי, ללא השתתפות מומחים ממחלקת החיתום.

ניתוח ביג דאטה מאפשר לנו להפיק דפוסים מעניינים, משתף פונומארב. לדוגמה, משתמשי אייפון התבררו כלווים יותר ממושמעים מאשר בעלי מכשירי אנדרואיד - הראשונים מקבלים אישור יישומים בתדירות גבוהה יותר של 1,7. "העובדה שאנשי צבא לא מחזירים הלוואות כמעט רבע פחות מהלווה הממוצע לא הייתה הפתעה", אומר פונומרב. "אבל בדרך כלל לא מצפים מסטודנטים להיות מחויבים, אבל בינתיים, מקרים של מחדלים באשראי שכיחים ב-10% פחות מהממוצע של הבסיס".

לימוד הביג דאטה מאפשר ניקוד גם למבטחים. IDX, שהוקמה בשנת 2016, עוסקת בזיהוי מרחוק ובאימות מקוון של מסמכים. שירותים אלו מבוקשים בקרב מבטחי הובלה המעוניינים באובדן סחורה כמה שפחות. לפני ביטוח הובלת הסחורה, המבטח, בהסכמת הנהג, בודק את אמינותו, מסביר יאן סלוקה, מנהל מסחרי של IDX. יחד עם שותפה – חברת "בקרת סיכונים" בסנט פטרסבורג – פיתחה IDX שירות המאפשר לבדוק את זהות הנהג, נתוני דרכון וזכויות, השתתפות בתקריות הקשורות לאובדן מטען ועוד לאחר ניתוח במאגר הנהגים, החברה זיהתה "קבוצת סיכון": לרוב, מטען אובד בקרב נהגים בגילאי 30-40 שנה עם ניסיון נהיגה ארוך, אשר לא פעם החליפו עבודה לאחרונה. עוד התברר כי המטען נגנב לרוב על ידי נהגי מכוניות, שאורך חיי השירות שלהן עולה על שמונה שנים.

לקמעונאים יש משימה אחרת - לזהות לקוחות שמוכנים לבצע רכישה, ולקבוע את הדרכים היעילות ביותר להביא אותם לאתר או לחנות. לשם כך, התוכניות מנתחות את פרופיל הלקוחות, נתונים מחשבונם האישי, היסטוריית הרכישות, שאילתות חיפוש ושימוש בנקודות בונוס, תכולת סלים אלקטרוניים שהחלו למלא ונטשו. ניתוח נתונים מאפשר לפלח את כל מסד הנתונים ולזהות קבוצות של קונים פוטנציאליים שעשויים להתעניין בהצעה מסוימת, אומר קיריל איבנוב, מנהל משרד הנתונים של קבוצת M.Video-Eldorado.

לדוגמה, התוכנית מזהה קבוצות של לקוחות, שכל אחת מהן אוהבת כלי שיווק שונים - הלוואה ללא ריבית, קאשבק או קוד הנחה. קונים אלו מקבלים ניוזלטר בדוא"ל עם המבצע המתאים. ההסתברות שאדם, לאחר שפתח את המכתב, יעבור לאתר החברה, במקרה זה עולה משמעותית, מציין איבנוב.

ניתוח נתונים מאפשר לך גם להגדיל את המכירות של מוצרים ואביזרים קשורים. המערכת, שעיבדה את היסטוריית ההזמנות של לקוחות אחרים, נותנת לקונה המלצות מה לקנות יחד עם המוצר הנבחר. בדיקה של שיטת עבודה זו, לדברי איבנוב, הראתה עלייה במספר ההזמנות עם אביזרים ב-12% ועלייה במחזור האביזרים ב-15%.

הקמעונאים אינם היחידים השואפים לשפר את איכות השירות ולהגדיל את המכירות. בקיץ שעבר השיקה MegaFon שירות הצעה "חכם" המבוסס על עיבוד נתונים ממיליוני מנויים. לאחר שלמדו את התנהגותם, בינה מלאכותית למדה ליצור הצעות אישיות עבור כל לקוח במסגרת התעריפים. לדוגמה, אם התוכנית מציינת שאדם צופה באופן פעיל בווידאו במכשיר שלו, השירות יציע לו להרחיב את כמות התעבורה הסלולרית. בהתחשב בהעדפות המשתמשים, החברה מספקת למנויים תעבורה בלתי מוגבלת לסוגי הפנאי המועדפים עליהם באינטרנט - למשל, שימוש במס'רים מיידיים או האזנה למוזיקה בשירותי סטרימינג, צ'אט ברשתות חברתיות או צפייה בתוכניות טלוויזיה.

"אנחנו מנתחים את התנהגותם של מנויים ומבינים כיצד תחומי העניין שלהם משתנים", מסביר ויטלי שצ'רבקוב, מנהל ניתוח ביג דאטה ב-MegaFon. "לדוגמה, השנה, תנועת AliExpress גדלה פי 1,5 בהשוואה לשנה שעברה, ובאופן כללי, מספר הביקורים בחנויות בגדים מקוונות גדל: פי 1,2-2, תלוי במשאב הספציפי".

דוגמה נוספת לעבודתו של מפעיל עם ביג דאטה היא פלטפורמת MegaFon Poisk לחיפוש ילדים נעדרים ומבוגרים. המערכת מנתחת אילו אנשים יכולים להיות בקרבת מקום הנעדר, ושולחת להם מידע עם תמונה וסימנים של הנעדר. המפעילה פיתחה ובדקה את המערכת יחד עם משרד הפנים וארגון Lisa Alert: תוך שתי דקות מהכוונה לנעדר מקבלים למעלה מ-2 מנויים, מה שמגדיל משמעותית את הסיכויים לתוצאת חיפוש מוצלחת.

ניתוח ביג דאטה מצא יישום גם בתעשייה. כאן זה מאפשר לך לחזות ביקוש ולתכנן מכירות. אז, בקבוצת החברות של צ'רקיזבו, לפני שלוש שנים, הוטמע פתרון המבוסס על SAP BW, המאפשר לך לאחסן ולעבד את כל מידע המכירה: מחירים, מבחר, נפחי מוצרים, מבצעים, ערוצי הפצה, אומר ולדיסלב בליאייב, CIO של הקבוצה "צ'רקיזבו. ניתוח המידע המצטבר של 2 TB לא רק איפשר ליצור ביעילות את המבחר ולייעל את סל המוצרים, אלא גם הקל על עבודת העובדים. לדוגמה, הכנת דוח מכירות יומי ידרוש יום עבודה של אנליסטים רבים - שניים עבור כל פלח מוצר. כעת הדוח הזה הוכן על ידי הרובוט, שמבלה רק 30 דקות על כל הקטעים.

"בתעשייה, ביג דאטה עובד ביעילות בשילוב עם האינטרנט של הדברים", אומר סטניסלב משקוב, מנכ"ל Umbrella IT. "על סמך ניתוח הנתונים מהחיישנים בהם מצוייד הציוד, ניתן לזהות סטיות בהפעלתו ולמנוע תקלות ולחזות ביצועים".

בסברסטל, בעזרת ביג דאטה, מנסים לפתור גם משימות לא טריוויאליות למדי - למשל, להפחית את שיעורי הפציעות. בשנת 2019 הקצתה החברה כ-1,1 מיליארד רובל לצעדים לשיפור בטיחות העבודה. סברסטל מצפה להפחית את שיעור הפציעות ב-2025% ב-50 (לעומת 2017). "אם מנהל קו - מנהל עבודה, מנהל אתר, מנהל חנות - שם לב שעובד מבצע פעולות מסוימות בצורה לא בטוחה (אינו נאחז במעקות בטיפוס במדרגות באתר התעשייה או אינו לובש את כל ציוד המגן האישי), הוא כותב הערה מיוחדת אליו - PAB (מ"ביקורת אבטחה התנהגותית")", אומר בוריס ווסקרסנסקי, ראש מחלקת ניתוח הנתונים בחברה.

לאחר ניתוח הנתונים על מספר ה-PAB באחת החטיבות, מצאו מומחי החברה כי כללי הבטיחות הופרו לרוב על ידי מי שכבר היו לו מספר הערות בעבר, וכן על ידי מי שהיו בחופשת מחלה או בחופשה זמן קצר לפני כן. התקרית. ההפרות בשבוע הראשון לאחר החזרה מחופשה או מחלה היו גבוהות פי שניים מאשר בתקופה שלאחר מכן: 1 לעומת 0,55%. אבל העבודה במשמרת הלילה, כפי שהתברר, אינה משפיעה על הסטטיסטיקה של PABs.

יצירת אלגוריתמים לעיבוד ביג דאטה היא לא החלק הקשה ביותר בעבודה, אומרים נציגי החברה. הרבה יותר קשה להבין כיצד ניתן ליישם את הטכנולוגיות הללו בהקשר של כל עסק ספציפי. כאן טמון עקב אכילס של אנליסטים של חברות ואפילו ספקים חיצוניים, שצברו, כך נראה, מומחיות בתחום הביג דאטה.

"לא פעם פגשתי מנתחי ביג דאטה שהיו מתמטיקאים מצוינים, אבל לא היו בעלי ההבנה הדרושה של תהליכים עסקיים", אומר סרגיי קוטיק, מנהל הפיתוח ב-GoodsForecast. הוא נזכר כיצד לפני שנתיים הייתה לחברה שלו הזדמנות להשתתף בתחרות חיזוי ביקוש עבור רשת קמעונאית פדרלית. נבחר אזור פיילוט, לכל הסחורות והחנויות שהמשתתפים ערכו תחזיות לגביהן. לאחר מכן הושוו התחזיות למכירות בפועל. את המקום הראשון תפסה אחת מענקיות האינטרנט הרוסיות, הידועה במומחיותה בלמידת מכונה וניתוח נתונים: בתחזיות שלה היא הראתה סטייה מינימלית מהמכירות בפועל.

אבל כשהרשת החלה לבחון את התחזיות שלו ביתר פירוט, התברר שמבחינה עסקית הן לחלוטין לא מקובלות. החברה הציגה מודל שהפיק תוכניות מכירה עם אנדרסטייטמנט שיטתי. התוכנית גילתה כיצד למזער את ההסתברות לטעויות בתחזיות: בטוח יותר לזלזל במכירות, מכיוון שהשגיאה המקסימלית יכולה להיות 100% (אין מכירות שליליות), אך בכיוון של חיזוי יתר, היא יכולה להיות גדולה באופן שרירותי, קוטיק מסביר. במילים אחרות, החברה הציגה מודל מתמטי אידיאלי, שבתנאים אמיתיים יוביל לחנויות חצי ריקות ולהפסדים עצומים ממכירה נמוכה. כתוצאה מכך זכתה חברה אחרת בתחרות, שניתן היה ליישם את חישוביה.

טכנולוגיות ביג דאטה רלוונטיות לתעשיות רבות, אך היישום הפעיל שלהן אינו מתרחש בכל מקום, מציין משקוב. למשל, בתחום הבריאות יש בעיה באחסון נתונים: מידע רב הצטבר והוא מתעדכן באופן שוטף, אך לרוב הנתונים הללו טרם עבר דיגיטציה. יש גם הרבה נתונים ברשויות הממשלתיות, אבל הם לא משולבים לאשכול משותף. הפיתוח של פלטפורמת מידע מאוחדת של מערכת ניהול הנתונים הלאומית (NCMS) נועד לפתור בעיה זו, אומר המומחה.

עם זאת, המדינה שלנו רחוקה מלהיות המדינה היחידה שבה ברוב הארגונים מתקבלות החלטות חשובות על בסיס אינטואיציה, ולא ניתוח של ביג דאטה. באפריל אשתקד ערכה דלויט סקר בקרב יותר מאלף מנהיגים של חברות אמריקאיות גדולות (עם צוות של 500 ומעלה) ומצאה כי 63% מהנסקרים מכירים את טכנולוגיות הביג דאטה, אך אין להם את כל הדרוש תשתית לשימוש בהם. בינתיים, מבין 37% מהחברות בעלות רמת בשלות אנליטית גבוהה, כמעט מחציתן חרגו משמעותית מהיעדים העסקיים ב-12 החודשים האחרונים.

המחקר גילה כי בנוסף לקושי ביישום פתרונות טכניים חדשים, בעיה חשובה בחברות היא היעדר תרבות עבודה עם נתונים. אין לצפות לתוצאות טובות אם האחריות על החלטות המתקבלות על בסיס ביג דאטה מוטלת רק על האנליסטים של החברה, ולא על החברה כולה. "כעת חברות מחפשות מקרי שימוש מעניינים עבור ביג דאטה", אומר מפתחוב. "במקביל, יישום של כמה תרחישים מצריך השקעות במערכות לאיסוף, עיבוד ובקרת איכות של נתונים נוספים שלא נותחו קודם לכן". אבוי, "אנליטיקה היא עדיין לא ספורט קבוצתי", מודים מחברי המחקר.