Между «экселькой» и искусственным интеллектом: как Big Data помогает бежать быстрее конкурентов
Почему украинские компании пока осторожно запускают инновации
Волна интереса к большим данным прокатилась по миру после того, как в конкурсе распознавания изображений один из алгоритмов (AlexNet) справился с задачей на 10,8% лучше, чем его соперник, а в Harvard Business Review появилась заметка одного из создателей современного значения термина data science о том, что это самая сексуальная профессия XXI века. Большие данные и нейросети развиваются уже более полувека, но получить от них результат исследователям и бизнесу удалось только в последние годы, когда стало хватать вычислительных мощностей.
С тех пор эффект от использования Big Data постоянно возрастает как со стороны компаний, так и со стороны специалистов. На волне этого запроса от бизнеса «Киевстар» открыл свою школу Big Data School, обучение в ней бесплатно. По данным мобильного оператора, за четыре волны Big Data School на обучение подали заявки 7600 человек и каждый десятый справился с тестовым заданием. На рынок вышло 110 сертифицированных специалистов, а 12 лучших получили работу в компании, так как оператор активно развивает экспертизу внутри и продает продукты рынку. Однако уровень готовности к запуску аналитики украинских и иностранных компаний существенно разнится. Почему пока не многие отечественные предприятия инвестируют в новые технологии? Как большие данные помогают избавиться от «призмы эксперта» и сократить операционные расходы? Какие пути трансформации выбирают украинские компании? И причем здесь «умные» холодильники? Об этом и многом другом Mind рассказали менторы Big Data School 4.0 от «Киевстар» Ника Тамайо Флорес и Валентин Кропов.
За плечами Ники Тамайо Флорес – управление проектами по внедрению data science и business intelligence в различных компаниях, обучение в IE Business School (Испания) по специальности Business Analytics и Big Data. Валентин Кропов – эксперт с 15-летним опытом работы с данными, основатель самого большого в Восточной Европе сообщества разработчиков и аналитиков Big Data.
К данным нужно относиться как к деньгам
По наблюдениям Ники Тамайо Флорес, зачастую компании приходят к Big Data только после осознания, что с бизнесом уже что-то не так: либо нет возможностей для роста; либо конкуренты поджимают, а традиционными методами из ситуации не выйти; либо цена каждого нового процента роста слишком велика, и нужны новые нетрадиционные подходы.
В отличие от Украины, за рубежом многие базовые моменты в компаниях уже реализованы. Например, налажен сбор данных. У нас же – голубой океан для тех, кто предлагает решения. Зачастую украинский бизнес видит ценность в деньгах, кадрах, но никак не в информации. Данные если и собирают, то хранят их в эксель-файлах, удаляют прошлогоднюю информацию, если вдруг понадобилось место, не следят за точностью и часто откладывают инвестиции в IT до лучших времен.
Ника Тамайо Флорес предостерегает: без аналитики бизнесу грозит принятие эмоциональных решений. Проснулся в плохом настроении, что-то пошло не так, неудачный день – и начал рубить с плеча. А реальные данные могли бы подсказать, что действовать надо иначе. Но аналитики у компании нет, поскольку, чтобы вкладывать в аналитику, необходимо быть готовым ее использовать. Ведь отдача будет постепенной. Именно поэтому инвестиции начинаются только тогда, когда прижало. И когда уже многое потеряно из-за неверных, импульсивных решений.
Вторая причина принятия неверных бизнес-решений – «призма эксперта». Сотрудник может иметь за плечами 20 лет опыта и быть крутым специалистом. Но сколько снимков МРТ успевает за карьеру отсмотреть врач и сколько – нейросеть во время обучения? Разница идет на миллионы. Владелец магазина может хорошо знать привычки покупателей из соседних хрущевок. Но если рядом построят большой элитный жилой комплекс, сможет ли он вовремя оценить, как изменится спрос?
От «эксельки» к искусственному интеллекту
«Сегодня самые продвинутые бизнесы в работе с Big Data – банки, ритейл и IT. Они раньше начали собирать данные, поэтому сейчас обладают бóльшим объемом и высокой экспертизой», – рассказывает Ника Тамайо Флорес.
Догнать лидеров в три прыжка своими силами у большинства компаний вряд ли получится. Между работой в Excel и реальной аналитикой Big Data – огромное количество шагов и изменений в процессах. Как правило, предприятия нанимают консультантов в этой сфере. Специалисты проводят тренинги для менеджмента и рядовых сотрудников, которые также должны осознать: точность в данных не менее важна, чем деньги.
По оценкам эксперта, в среднестатистической украинской компании не всегда есть хранилище данных, но могут быть установлены 1С для бухгалтерских дел и Excel для всего остального. Возможно, некоторые отделы используют CRM. Данные дублируются, сотрудники не имеют представления о процессах, собственники – о том, чем реально живет их компания. И если фирма решит внедрять более глубокую аналитику или отчетность, 90% времени уйдет только на сведение всех данных воедино. Тех, кто уже оперирует сложными аналитическими инструментами для изучения ключевых показателей, – единицы.
Какова выгода от внедрения аналитики
У топов компаний, которые задумываются о внедрении Big Data аналитики, возникает резонный вопрос: «Как посчитать эффективность?». К сожалению, разработчики решений не могут назвать конкретные цифры. Многое зависит от бизнеса заказчика, от того, как он будет использовать продукт, насколько хорошо собраны данные и какие решения приняты на основании аналитики.
Экономический эффект от Big Data может быть разнообразным. Аналитика позволяет уменьшить операционные расходы и время на принятие решений, сократить часы ручного труда и штат сотрудников или перевести их на более сложные задачи.
Валентин Кропов – вице-президент, руководитель Retail-вертикали в SoftServe с большим опытом работы с Big Data в проектах для иностранных заказчиков. Он приводит в качестве иллюстрации увеличение выгоды для бизнеса два направления для развития e-commerce: анализ товаров и потребителей.
Первый касается поиска. Покупатели постепенно перетекают в онлайн, где их выбор почти не ограничен. Но у продавца возникает проблема: как минимальными ресурсами сделать доступными, допустим, 10 000 единиц товара. На помощь приходят алгоритмы, которые способны распознать изображение и подобрать варианты для пользователя по его конкретным запросам. Например, если покупательница знает, какое именно платье ей нужно, она может загрузить изображение и найти все похожие варианты в магазине. Или ввести описание словами.
Следующая сфера применения – распознавание самого пользователя. После президентских выборов в США в медиа заговорили о персонализированной работе с пользователями в зависимости от их психотипа. Но если в случае с выборами президента подход вызывал вопросы с точки зрения этичности, то в бизнес-использовании, при условии согласия со стороны пользователя, этой проблемы нет. В качестве примера Валентин Кропов приводит решение на базе технологии OCEAN – системы создания портрета пользователя. Каждая буква аббревиатуры – конкретная психологическая характеристика. Алгоритмы анализируют поведение человека в интернете и строят его психологический портрет. Затем меняют выдачу товаров на сайте таким образом, чтобы пользователь получил информацию в удобном для лично его восприятия виде.
Есть покупатели, которым проще принимать решение эмоционально. Например, если они видят одежду, им важно впечатление от нее, хорошая картинка. Кто-то предпочитает подробные характеристики и сравнение с альтернативами. Таким посетителям сайта стоит показать таблицу и посоветовать разные варианты. Чтобы сделать шопинг персонализированным, покупателю в свою очередь достаточно согласиться на обработку персональных данных. Такой анализ может поднять продажи на 3%. Для ритейла это ощутимый показатель.
По словам Валентина Кропова, главный вызов в этой сфере – переход из онлайна в физический мир. Именно тут развернется следующее поле битвы, так как в офлайне до сих пор многое не автоматизировано.
Например, в украинских магазинах появились «умные» промышленные холодильники. Они могут не только измерять температуру и определять, когда товар заканчивается, но и сигнализировать, если в холодильник положили не товар бренда, а что-то другое.
С помощью алгоритмов «умнеет» и пространство торговых точек. Камеры в магазинах научились распознавать, что на полке закончились товары или кто-то стоит на одном месте подозрительно долго. Решение подскажет, что нужно заказать новую партию или отправить к покупателю сотрудника. Система распознает, когда в магазин заходят покупатели, что они собой представляют, чем интересуются; какие части магазина посещают, какие нет. На основании этих данных владельцы могут формировать ассортимент и запускать акции. Это то, о чем сказано выше: алгоритм позволяет защитить бизнес от «призмы эксперта» и дает инструменты для принятия решений на основании настоящих потребностей аудитории в реальном времени и на любой территории.
Два пути: достраиваем «комнаты» или возводим новое здание
Но чтобы получить эффект, нужны инвестиции в IT. Зачастую украинский бизнес движется по замкнутому кругу: хорошие экономические результаты хочется показать акционерам в этом году, а инвестиции в IT – игра вдолгую.
Чтобы разорвать этот круг, некоторые компании решают для начала делать то, что принесет экономический результат в краткосрочной перспективе: выбирают приоритетные задачи, которые покажут результат уже в течение 2–3 месяцев. Если менеджмент видит первоначальный эффект, далее он начинает инвестировать в более дорогие и долгосрочные разработки.
Возможен и другой путь. Он более долгий и ресурсоемкий. Это не накладывание технологий на текущие бизнес-процессы, а оборачивание технологий вокруг бизнес-процессов, оптимизация лишнего и устаревшего. Алгоритмы могут поменять работу компании на качественном уровне.
Тренды Big Data
Главный тренд – понимание использования данных. Компании, у которых уже есть массивы данных, начинают разбираться, что это за информация и что с ней можно сделать. Кроме того, появляются новые типы данных, которые передаются через устройства интернета вещей. Например, датчики влажности почвы в сельском хозяйстве, показатели загрязнения воздуха и т. д.
Понимание потребителя – еще одно важное направление работы с аналитикой. Даже Facebook по-прежнему задает вопросы о том, что чувствует и думает пользователь, почему он делает те или иные вещи. Стратегии бизнеса, которые строятся на данных, основываются на понимании, почему потребитель принимает то или иное решение.
Следующий тренд – управление данными. Сюда входят вопросы безопасности, доступа к данным, переход из файловых систем на единую структурированную платформу.
Ника Тамайо Флорес подчеркивает: все это важно только тогда, когда у бизнеса есть стратегия развития. У украинских предприятий ее зачастую нет, они просто хотят расти. Этого мало. Нужно не просто хотеть расти, а четко понимать, чем компания хочет стать в ближайшем будущем.
Сегодня многие компании начинают работу с большими данными с нуля, набивают шишки и все равно идут вперед. В будущем у них будет преимущество: те, кто не рискует сейчас, в ближайшие годы проиграют в конкурентной борьбе. Сегодня почти на каждом рынке уже есть 2–3 более успешных игрока, которые работают с данными. А у их конкурентов начинаются проблемы. Они стоят перед выбором: или вкладывать больше денег в нетрадиционные методы, или оставаться на обочине, или начинать работать с Big Data, привлекая партнеров либо нанимая собственных Big Data аналитиков.
