big data: Как принести пользу Бизнесу

Big  Data  Как  принести  пользу  Бизнесу  

Денис  Реймер      h=p://denreymer.com  

   26.11.2014  

2000  

2006  

2011  

2013  

Денис  Реймер  

РУДН,  прикладная  математика,  бакалавр  ЛАНИТ,  программист  РУДН,  Магистратура,  Аспирантура  

ЛАНИТ,  Директор  Департамента  Интегрированных  Бизнес  Решений    

LANIT-­‐BPM,  Генеральный  Директор    

hCp://denreymer.com  

РАНХиГС  ИБДА,  ExecuSve  MBA  

2014  ЛАНИТ,  Вице-­‐Президент,  Digital  InnovaSon  CleverDATA,  Председатель  Совета  Директоров  

cleverdata.ru    |    info@cleverdata.ru  

Make  your  data  clever  

Развитие    бизнеса    на    международном    рынке  с  2012  года  

Входит  в  тройку  лидеров  российских  ИТ  компаний  43  подразделения  в  России  и  за  рубежом  Более  5500  сотрудников  100  тыс.проектов  для  10  тыс.заказчиков  

Инновационная  платформа  управления  данными  

«Биржа»  данных  Облачный  сервис  

Собственная  разработка  

Создана  в  2014  г.  Фокус  на  работе  с  «Big  Data»    

Собственные  центры  разработки  Партнерство  с  мировыми  лидерами  

и  научными  институтами  Центр  экспертизы  по  технологиям  

Big  Data  и  Digital  MarkeSng  

cleverdata.ru    |    info@cleverdata.ru  

Немного  о  Big  Data  

ВЫСОКАЯ  СКОРОСТЬ  БОЛЬШОЙ  ОБЪЕМ  ЗНАЧИТЕЛЬНАЯ  ВАРИАТИВНОСТЬ  

Web  логи  Финансовые  транзакции  Социальные  сети  Web  контент  Машинные  данные  Открытые  данные  

Hadoop  MPP  (VerSca,  Exadata,  Greenplum,  Teradata)  NoSQL  (Key-­‐Value,  Document-­‐oriented,  Column-­‐based,  Graph-­‐oriented)  In-­‐memory  Data  Grids,  CalculaSon  Grids  Data  Mining    Machine  Learning  /  StaSsScs  /  Natural  Language  Processing  Event-­‐Stream  Processing  

Значимость  данных  в  том,  как  вы  анализируете  и  применяете  эти  данные  для  развития  своего  бизнеса    Понимание  клиента  и  его  поведения  Информационная  безопасность  Управление  рисками  Повышение  операционной  эффективности      

Crea�ve/Business  Cases  

“Потенциал  Big  Data  раскрывается  в  полной  мере  при  взаимодействии  с  другими  данными  организации.”  Билл    Фрэнкс.    

Понимание  клиента  и  его  поведения  

Выборы  Папы  Римского  Бенедикта  

Выборы  Папы  Римского  Франциска  

Современный  потребитель  

•  Живет  в  Digital  мире  •  Всегда  Онлайн  &  Всегда  доступен  •  Отсутствие  фокуса,  постоянно  переключается  •  Невосприимчив  к  рекламе  

Интернет  за  1  минуту  •  Youtube  –  145  782      

1  минута  в  Интернете  

Что  мы  знаем  о  клиенте?  Персональные  

данные   История  контактов  

Платежи    

Карточные  транзакции  

Продукты  

Взгляд  360о  на  все,  что  уже  БЫЛО!  

Web-­‐аналитика  

Результаты    маркетинговых    

кампаний  

Что  мы  НЕ  знаем  о  клиенте?  

Чем  он  интересуется?  Что  планирует  покупать?  Что  изучает?    Куда  планирует  поехать?  Что  планирует  делать?  

Что    может  

произойти  

Шаг  №1  

Организуем  хранение  и  обработку  данных  

Big  Data  –  это    потоки  информации  

Которые  нужно  уметь    слушать,  обрабатывать  и    

сохранять  в  реальном  времени  

Private  DMP  Data  Management  Pla�orm  

Не  существует  DMP  из  коробки!      

Профиль  и  интересы    вашего  клиента,    

в  реальном  времени  

DMP  –  это  набор  правильно    подобранных  компонентов.    

Профиль  клиента  -­‐  Таксономия  

Занятость  

•  Безработныи  

•  На  пенсии  

•  Работаете  

•  Студент  

•  Свой  бизнес  Профессиональная  сфера  

•  Гос.  Служба  

•  Обслуживание  

•  Преподавание  

•  Продажи  и  маркетинг  

•  Технологии  

•  Финансы  

•  Юриспруденция  Уровень  образования  

•  Высшее  

•  Другое  

•  Среднее  

•  Учёная  степень  

Предпочтения  

•  Финансы  (клиент  каких  банков,  уровень  дохода,  кредитная  нагрузка,  страховка)  

•  Брендовые  предпочтения  авто  (по  маркам)  •  Модельные  предпочтения  авто  (по  типам  автомобилей)  •  Жилищные  предпочтения  (свой  дом,  своя  квартира,  аренда  

жилья)  •  Здоровье  (диеты,  традиционная  медицина,  питание)  •  Интернет  и  ТВ  (предпочтения  по  каналам,  тематикам  передач  и  

тд)  •  Мобильные  телефоны  (какие  мобильные  приложения  

использует)  •  Путешествия  (частота,  направления,  командировки,  класс  

отдыха)  •  Развлечения  (театр,  кино,  клубы,  искусство)  •  Спортивные  предпочтения  •  Магазины  (в  магазинах  какого  класса  обслуживается)  

Сервис  классификации  DMP    

•  Определение  собственной  таксономии;  •  Подготовка  обучающей  выборки  для  алгоритмов  

машинного  обучения;  •  Построение  профилей  интересов  и  классификация  

Клиентов  организации!  

Шаг  №2  

Где  еще  взять  данные  о  наших  клиентах?  

Социальные  сети  

Медийный  контент  

Машинные  данные  

История  серфинга  

Offline  данные  

Посещение  веб-­‐сайтов  Поисковые  запросы  Покупки  в  интернете  Просматриваемые  фильмы  

Пол/возраст/  семейное  положение  Список  друзеи  Like/Check-­‐in  Интересы/Посты  

eCommerce  

Мобильные  приложения  Покупки  в  магазинах  Парковки  Кредитная  история  Программы  лояльности  

Какие  данные  о  наших  клиентах  существуют?  

Проблемы  сбора  •  Незрелый  рынок  обмена  

данными;  •  Готовые  профили  аудитории  

чаще  бесполезны;  •  Отсутствуют  стандарты  

сбора  и  предоставления  «сырых»  данных;  

•  Необходимость  работы  с  потоком  данных  (преобразование,  очистка,  хранение,  интеграция)  

Биржа  данных  1DMP.RU  Поставщики   Потребители  

•  Web-­‐логи  •  Соц.  Сети  •  Web-­‐контент  •  БКИ  •  Мобильные  

операторы  •  Платежные  

системы  •  eCommerce  

•  Банки  •  Ритэйл  •  eCommerce  •  Телеком  •  Госсектор  

Облачная  сервисная  платформа  для  обмена  и  хранения  больших  объемов  разнородной  информации    Монетизация  данных  путем  использования  для  решения  бизнес-­‐задач  в  области  маркетинга,  управления  

рисками,  формирования  программ  лояльности  и  других.  

cleverdata.ru    |    info@cleverdata.ru  

Безопасное  хранение  данных  Real-­‐�me  доступ  к  данным  Big  Data  хранилище  Мониторинг,  статистика  и  контроль  

Депозитарий  данных  

Биржа  данных  

Обработка  данных  

Сервисы  активации  данных  Различные  режимы  торгов  Уникальные  возможности  монетизации  Биллинг  операций  

Платформа  для  создания  аналитических  сервисов  для  разных  предметных  областей  Алгоритмы  машинного  обучения  и  статистики  Подключение  к  сторонним  инструментам  анализа  данных  

Накопление  и  хранение    

Обогащение  и  монетизация  

Анализ  и  преобразование    

Биржа  данных  1DMP.RU  

Собираем  все  вместе  

Private  DMP    

Web-­‐

аналитика  

Шаг  №3  

DMP  

MarkeSng   RTB   Scoring  

Сырые  данные  

CRM  и  внутренние  

транзакционные  системы    

Аналитические  данные  

•  Профиль  клиента  

AnS  Fraud  

Построение  единого  профиля  клиента  

Медийный  контент  

Машинные  данные  

История  серфинга  

Offline  данные  

Социальные  сети  

eCommerce  

Данные  web  аналитики,  campaign  management  систем  

DMP  -­‐  Центральный  хаб  данных  организации    

3D  модель  Клиента  

Внутренние  данные   Online  данные  

Открытые  данные    

Данные  БКИ  

Offline  данные  партнеров  

 КАК  ПОМОЧЬ  БИЗНЕСУ?  

cleverdata.ru    |    info@cleverdata.ru  

Клиенты  

Научное  сообщество  

1.   Определить  Цели  2.   Предоставить  данные  

1.   Подобрать  инструменты  2.   Обеспечить  внедрение  

1.   Сформулировать  гипотезы  2.   Проработать  варианты  

•  RTB  реклама  •  Скоринг  физических  лиц  •  Активная  матрица  кросс-­‐предложений  •  Формирование  предложений  на  события  в  реальном  

времени  •  Формирование  профиля  типового  потребителя  

продукта  •  Поведение  клиента  на  сайте  компании  при  звонке  в  

call-­‐center  •  Гибкое  сегментирование  клиентов  •  Целевые  продажи  •  Верификация  места  проведения  транзакции  •  Идентификация  клиента  по  поведению  •  Антифрод  и  анализ  мошенничества  •  Адаптация  контента  и  анкеты  …  

Data  Scien�st  

Сегодня  Data  Scien�st  может  стать    Data  Предпринимателем.      

Рынок  данных    не  принадлежит  компаниям.    Он  открыт  для  каждого.  

IT  Predic�ons  2015  

“Now  that  data  scienXsts  can  in  effect  publish  algorithms  to  an  ‘app  store’,  

they  can  moneXze  their  research,  knowledge,  and  creaXvity.”  

«Для  того,  чтобы  завтра  извлечь  пользу    из  данных,    

нужно  накапливать  их  уже  сегодня    и  учиться  с  ними  работать»  

info@cleverdata.ru   www.cleverdata.ru  

Денис  Реймер    

h=p://denreymer.com  h=p://cleverdata.ru  h=p://lanit.ru      

26.11.2014