big data: О чем думают ваши клиенты?
TRANSCRIPT
Big Data: О чем думают ваши клиенты?
Денис Реймер вице-‐президент ЛАНИТ председатель Cовета директоров CleverDATA denreymer.com
12.11.2014
О чем ты думаешь?..... Что ты чувствуешь?...
Дэвид Финчер «Исчезнувшая»
Я всегда …
… пытаюсь найти ответы, ответы на основные вопросы…
Один вопрос точно волнует всех!
Это понятно и без
Больших Данных
покупать или продавать?
Клиент банка в наши дни
• Всегда Онлайн & Всегда доступен • Живет в Digital мире • Мультизадачен и расфокусирован • Невосприимчив к рекламе
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
Использование только внутренней исторической информации о клиенте, равносильно управлению
автомобилем, используя только зеркала заднего вида.
Шаг №1
Организуем хранение и обработку данных
Private DMP Data Management Pla}orm
Профиль и интересы вашего клиента,
в реальном времени
Не существует DMP из коробки! 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
• Определение собственной таксономии; • Подготовка обучающие выборки для алгоритмов
машинного обучения; • Построение профилей интересов и классификация
именно ваших клиентов!
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
вам могут оказаться бесполезны;
• Отсутствуют стандарты сбора и предоставления сырых данных;
• Необходимость работы с потоком данных (преобразование, очистка, хранение, интеграция)
Идем на Биржу данных Поставщики Потребители
• Web-‐логи • Соц. Сети • Web-‐контент • БКИ • Мобильные
операторы • Платежные
системы • eCommerce
• Банки • Ритэйл • eCommerce • Телеком • Госсектор
Облачная сервисная платформа предоставляет возможность обмениваться и накапливать большие объемы разнородной информации и монетизировать их путем использования для решения бизнес-‐задач в области маркетинга, управления рисками, формирования программ лояльности и в других областях.
cleverdata.ru | [email protected]
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
Markeong RTB Scoring
Сырые данные
CRM и внутренние
транзакционные системы
Аналитические данные
• Профиль клиента
Ano 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
Шаг№4
И что дальше со всем этим
делать?
Строим Data Competence Center
• «Растим» новую роль Data Scien�st • Вовлекаем бизнес подразделения – Формулируем гипотезы – Определяем модель совместной работы
• Выстраиваем «в-‐меру-‐agile» процесс работы – WAgile, SCRUMfall (выбираем подходящую вашей организации)
• Экспериментируем
Когда важно знать, что думают ваши клиенты: • 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 …
«Для того, чтобы завтра вы могли извлечь пользу из данных,
вы должны накапливать их уже сегодня и учиться с ними работать»
Денис Реймер h�p://denreymer.com h�p://cleverdata.ru h�p://lanit.ru
12.11.2014
cleverdata.ru | [email protected]
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