Між «екселькою» та штучним інтелектом: як Big Data допомагає бігти швидше за конкурентів

Хвиля інтересу до великих даних прокотилася світом після того, як в конкурсі розпізнавання зображень один з алгоритмів (AlexNet) впорався із завданням на 10,8% краще, ніж його суперник, а в Harvard Business Review з'явився допис одного з творців сучасного значення терміна data science про те, що це найсексуальніша професія XXI століття. Великі дані та нейромережі розвиваються вже понад півстоліття, але отримати від них результат дослідникам і бізнесу вдалося лише в останні роки, коли з’явилося вдосталь обчислювальних потужностей.

Відтоді ефект від використання Big Data постійно зростає як з боку компаній, так і з боку фахівців. На хвилі цього запиту від бізнесу «Київстар» відкрив свою школу Big Data School, навчання в якій безкоштовне. За даними мобільного оператора, за чотири хвилі Big Data School на навчання подали заявки 7600 осіб і кожен десятий впорався з тестовим завданням. На ринок вийшло 110 сертифікованих фахівців, а 12 кращих отримали роботу в компанії, бо оператор активно розвиває експертизу всередині та продає продукти ринку. Однак рівень готовності до запуску аналітики українських й іноземних компаній істотно відрізняється. Чому поки не багато вітчизняних підприємств інвестують у нові технології? Як великі дані допомагають позбутися від «призми експерта» і скоротити операційні витрати? Які шляхи трансформації обирають українські компанії? І до чого тут «розумні» холодильники? Про це та багато іншого Mind розповіли ментори Big Data School 4.0 від «Київстар» Ніка Тамайо Флорес і Валентин Кропов.

За плечима Ніки Тамайо Флорес – управління проектами з впровадження data science і business intelligence в різних компаніях, навчання в IE Business School (Іспанія) за фахом Business Analytics і Big Data. Валентин Кропов – експерт з 15-річним досвідом роботи з даними, засновник найбільшої в Східній Європі спільноти розробників та аналітиків Big Data.

За спостереженнями Ніки Тамайо Флорес, найчастіше компанії приходять до Big Data тільки після усвідомлення, що з бізнесом вже щось не так: або немає можливостей для зростання; або конкуренти дихають у спину, а традиційними методами ситуацію не вирішити; або ціна кожного нового відсотка зростання занадто велика, і потрібні нові нетрадиційні підходи.

На відміну від України, за кордоном багато базових моментів у компаніях вже реалізовано. Наприклад, налагоджений збір даних. У нас же – блакитний океан для тих, хто пропонує рішення. Найчастіше український бізнес вбачає цінність у грошах, кадрах, але жодним чином не в інформації. Дані якщо і збирають, то зберігають їх у ексель-файлах, видаляють торішню інформацію, якщо раптом знадобилося місце, не стежать за точністю і часто відкладають інвестиції в IT до кращих часів.

Ніка Тамайо Флорес застерігає: без аналітики бізнесу загрожує прийняття емоційних рішень. Прокинувся в поганому настрої, щось пішло не так, невдалий день – і почав рубати з плеча. А реальні дані могли б підказати, що діяти треба інакше. Але аналітики у компанії немає, оскільки, щоб вкладати в аналітику, необхідно бути готовим її використовувати. Адже віддача буде поступовою. Саме тому інвестиції починаються лише тоді, коли припекло. І коли вже багато втрачено через невірні та імпульсивні рішення.

Друга причина прийняття невірних бізнес-рішень – «призма експерта». Співробітник може мати за плечима 20 років досвіду і бути крутим фахівцем. Але скільки знімків МРТ встигає за кар'єру продивитися лікар і скільки – нейромережа під час навчання? Різниця йде на мільйони. Власник магазину може добре знати звички покупців із сусідніх хрущівок. Але якщо поруч збудують великий елітний житловий комплекс, чи зможе він вчасно оцінити, як зміниться попит?

«Сьогодні найбільш просунуті бізнеси в роботі з Big Data – банки, ритейл та IT. Вони раніше почали збирати дані, тому зараз володіють більшим обсягом і високою експертизою», – розповідає Ніка Тамайо Флорес.

Наздогнати лідерів у три стрибки самотужки в більшості компаній навряд чи вийде. Між роботою в Excel і реальною аналітикою Big Data – величезна кількість кроків і змін у процесах. Зазвичай підприємства наймають консультантів у цій сфері. Фахівці проводять тренінги для менеджменту і пересічних співробітників, які також мають усвідомити: точність у даних не менш важлива, ніж гроші.

За оцінками експерта, у середньостатистичній українській компанії не завжди є сховище даних, але можуть бути встановлені 1С для бухгалтерських справ і Excel для всього іншого. Можливо, деякі відділи використовують CRM. Дані дублюються, співробітники не мають уявлення про процеси, власники – про те, чим реально живе їхня компанія. І якщо фірма вирішить впроваджувати глибшу аналітику або звітність, 90% часу піде тільки на зведення всіх даних докупи. Тих, хто вже оперує складними аналітичними інструментами для вивчення ключових показників, – одиниці.

У топів компаній, які замислюються про впровадження Big Data аналітики, виникає резонне питання: «Як порахувати ефективність?». На жаль, розробники рішень не можуть назвати конкретні цифри. Багато що залежить від бізнесу замовника, від того, як він використовуватиме продукт, наскільки добре зібрані дані та які рішення ухвалені на підставі аналітики.

Економічний ефект от Big Data може бути різноманітним. Аналітика дозволяє зменшити операційні витрати і час на прийняття рішень, скоротити години ручної праці та штат співробітників або перевести їх на більш складні завдання.

Валентин Кропов – віце-президент, керівник Retail-вертикалі в SoftServe з великим досвідом роботи з Big Data в проектах для іноземних замовників. Він наводить як ілюстрацію збільшення вигоди для бізнесу два напрямки для розвитку e-commerce: аналіз товарів і споживачів.

Перший стосується пошуку. Покупці поступово перетікають в онлайн, де їхній вибір майже не обмежений. Але у продавця виникає проблема: як мінімальними ресурсами зробити доступними, припустимо, 10 000 одиниць товару. У пригоді стають алгоритми, які здатні розпізнати зображення і підібрати варіанти для користувача за його конкретними запитами. Наприклад, якщо покупчиня знає, яка саме сукня їй потрібна, вона може завантажити зображення і знайти всі подібні варіанти в магазині. Або ввести опис словами.

Наступна сфера застосування – розпізнавання самого користувача. Після президентських виборів у США в медіа заговорили про персоналізовану роботу з користувачами залежно від їх психотипу. Але якщо у випадку з виборами президента підхід викликав питання з точки зору етичності, то в бізнес-використанні, за умови згоди з боку користувача, цієї проблеми немає. Як приклад Валентин Кропов наводить рішення на базі технології OCEAN – системи створення портрета користувача. Кожна буква абревіатури – конкретна психологічна характеристика. Алгоритми аналізують поведінку людини в інтернеті та будують її психологічний портрет. Потім змінюють видачу товарів на сайті таким чином, щоб користувач отримав інформацію в зручному для особисто його сприйняття вигляді.

Є покупці, яким простіше приймати рішення емоційно. Наприклад, якщо вони бачать одяг, їм важливе враження від нього, хороша картинка. Хтось віддає перевагу докладним характеристикам і порівнюванню з альтернативами. Таким відвідувачам сайту варто показати таблицю і порадити різні варіанти. Щоб зробити шопінг персоналізованим, покупцеві у свою чергу досить погодитися на обробку персональних даних. Такий аналіз може підняти продажі на 3%. Для ритейлу це відчутний показник.

За словами Валентина Кропова, головний виклик у цій сфері – перехід з онлайну до фізичного світу. Саме тут розгорнеться наступне поле битви, бо в офлайні досі мало що автоматизовано.

Наприклад, в українських магазинах з'явилися «розумні» промислові холодильники. Вони можуть не тільки вимірювати температуру і визначати, коли товар закінчується, але і сигналізувати, якщо в холодильник поклали не товар бренду, а щось інше.

За допомогою алгоритмів «розумнішає» і простір торгових точок. Камери в магазинах навчилися розпізнавати, що на полиці закінчилися товари або хтось стоїть на одному місці підозріло довго. Рішення підкаже, що потрібно замовити нову партію або відправити до покупця співробітника. Система розпізнає, коли в магазин заходять покупці, що вони собою являють, чим цікавляться; які частини магазину відвідують, які ні. На підставі цих даних власники можуть формувати асортимент і запускати акції. Це те, про що йшлося вище: алгоритм дозволяє захистити бізнес від «призми експерта» і дає інструменти для ухвалення рішень на підставі реальних потреб аудиторії в реальному часі та на будь-якій території.

Але щоб отримати ефект, потрібні інвестиції в IT. Найчастіше український бізнес рухається замкнутим колом: хороші економічні результати хочеться показати акціонерам цьогоріч, а інвестиції в IT – гра вдовгу.

Щоб розірвати це коло, деякі компанії вирішують для початку робити те, що дасть економічний результат у короткостроковій перспективі: обирають пріоритетні завдання, які покажуть результат вже впродовж 2–3 місяців. Якщо менеджмент бачить початковий ефект, далі він починає інвестувати в більш вартісні та довгострокові розробки.

Можливий і інший шлях. Він довший і ресурсномісткий. Це не накладання технологій на поточні бізнес-процеси, а обертання технологій навколо бізнес-процесів, оптимізація зайвого і застарілого. Алгоритми можуть поміняти роботу компанії на якісному рівні.

Головний тренд – розуміння використання даних. Компанії, у яких вже є масиви даних, починають розбиратися, що це за інформація і що з нею можна зробити. Крім того, з'являються нові типи даних, які передаються через пристрої інтернету речей. Наприклад, датчики вологості ґрунту в сільському господарстві, показники забруднення повітря і т. д.

Розуміння споживача – ще один важливий напрямок роботи з аналітикою. Навіть Facebook, як і раніше, питає про те, що відчуває і думає користувач, чому він робить ті чи інші речі.

Стратегії бізнесу, які будуються на даних, ґрунтуються на розумінні, чому споживач ухвалює те чи інше рішення.

Наступний тренд – управління даними. Сюди входять питання безпеки, доступу до даних, перехід з файлових систем на єдину структуровану платформу.

Ніка Тамайо Флорес підкреслює: все це важливо тільки тоді, коли у бізнесу є стратегія розвитку. В українських підприємств її часто немає, вони просто хочуть рости. Цього замало. Потрібно не просто хотіти зростати, а чітко розуміти, чим компанія хоче стати в найближчому майбутньому.

Сьогодні багато компаній починають роботу з великими даними з нуля, набивають ґулі на лобі й все одно йдуть вперед. У майбутньому в них буде перевага: ті, хто не ризикує зараз, найближчими роками програють у конкурентній боротьбі. Сьогодні майже на кожному ринку вже є 2–3 більш успішних гравця, які працюють з даними. А в їхніх конкурентів починаються проблеми. Вони мають обрати: або вкладати більше грошей у нетрадиційні методи, або залишатися на узбіччі, або починати працювати з Big Data, залучаючи партнерів чи наймаючи власних Big Data аналітиків.