Rambler's Top100
Статьи ИКС № 01-02 2014
Алексей БЕССАРАБСКИЙ  27 января 2014

Большие данные для малого бизнеса

Могут ли небольшие компании получить выгоду от «больших данных»? Аналитика Big Data для малых предприятий – это открытая бизнес-возможность для инновационных ИТ-стартапов.

Алексей БЕССАРАБСКИЙ, руководитель отдела маркетинга, «Манго Телеком»Сложно для больших, немыслимо для малых?

Несмотря на то что применение технологий обработки «больших данных» в бизнесе продолжает набирать популярность, их внедрение остается сложной задачей. В исследовании IDC Vertical IT & Communications Survey Preliminary 2012 среди главных факторов, которые тормозят внедрение проектов Big Data на крупнейшем в мире рынке США, фигурируют дороговизна инфраструктуры и отсутствие достаточного количества нужных ИТ-специалистов для управления проектами. А такие факторы, как сложность выбора фиксируемых данных и непонимание бизнес-подразделениями отдачи от Big Data, говорят о том, что даже постановка задачи в этой области нетривиальна для бизнеса.

Все эти трудности, с которыми так или иначе справляются крупные компании, для малых предприятий кажутся непреодолимыми. Отдельной проблемой в SMB становится и сам сбор данных: там, где даже «обычная» бизнес-аналитика зачастую воспринимается как экзотика, а данные хранятся в таблицах Excel, говорить о «больших данных» рановато.

Спросим у Google и Yandex

Такая точка зрения отчасти подтверждается результатами поиска в глобальной сети. Нетрудно найти примеры решений с использованием анализа «больших данных» в области крупного бизнеса и в госсекторе. А вот серфинг интернета на предмет применения «больших данных» в малом и среднем бизнесе дает разные результаты для русскоязычного и англоязычного сегментов.

В Рунете публикаций на эту тему (запрос в Яндексе «большие данные малый бизнес») относительно немного. В контексте упоминаются сервисы Google Analytics и Google Adwords. Один из немногих примеров сервисов для SMB, прямо указывающих на применение технологий Big Data, – система рекомендаций для интернет-магазинов Retail Rocket.

В англоязычном сегменте даже беглый просмотр результатов запроса в Google «big data for SMB» показывает, что эта тема является намного более обсуждаемой. В частности, помимо Google Analytics упоминаются такие бесплатные сервисы, как Facebook Insights, Tweriod, Followerwonk и YouTube Analytics. По сути, все они служат инструментами маркетинговых исследований в интернете. Отдельного упоминания заслуживает сервис рекомендаций для интернет-магазинов Amazon и облачная платформа этой компании для Big Data-вычислений.

Интерес к «большим данным» со стороны среднего бизнеса на Западе подтверждается исследованиями Aberdeen Group, проведенными в последние два года среди компаний с годовым оборотом от $50 млн до $1 млрд (правда, по российской классификации часть этих компаний относится уже к крупному бизнесу). При этом они не только внедряют облачные сервисы, но и разворачивают собственную инфраструктуру, например на основе Hadoop. Согласно отчету Analytics and Big Data for the Mid-Market от ноября 2013 г. важнейшие задачи, которые ставятся перед аналитикой «больших данных» и бизнес-аналитикой вообще (результат опроса 69 компаний), – это лучшее понимание поведения клиентов (59% респондентов); лучшее понимание внутренних процессов (46%) и повышение эффективности маркетинговой деятельности (32%).

Точка роста

Таким образом, применение «больших данных» для малого и среднего бизнеса вполне возможно. Более того, судя по динамике интереса к этому вопросу, количество сервисов для SMB, использующих аналитику Big Data, будет расти. Они могут представлять собой как готовую услугу, подобную Retail Rocket, так и дополнительную возможность в рамках существующих продуктов. Главное, чтобы провайдер услуги взял на себя решение неподъемных для малого бизнеса задач: организацию инфраструктуры, реализацию алгоритмов сбора и обработки данных.

Из этого требования следует, что с наибольшей вероятностью такие услуги будут предоставляться по модели SaaS. Провайдеры Big Data-сервисов могут разворачивать собственную либо использовать готовую облачную инфраструктуру, предоставляемую крупными игроками рынка (Amazon, Google и др.). Stand-alone сервисы, вероятно, будут представлять собой инструменты веб-аналитики, потому что в этом случае достаточно легко решить вопрос сбора данных. А сервисы, встроенные в существующие продукты, будут использовать накопленные ими данные.

Возможности развития

В качестве примера из практики провайдера телеком-сервисов рассмотрим возможность интеграции сервисов вычислений больших данных в такие продукты, как виртуальная АТС и облачная CRM. В CRM-системах накапливается большое количество разно-образных данных: распределение продаж по регионам и сезонность, продаваемые продукты, суммы заказов, их количество и частота для каждого клиента, организации, к которым принадлежат клиенты, и т.д. Если же облачная CRM интегрирована с виртуальной АТС, то набор данных становится гораздо шире за счет информации о телефонных контактах с клиентами: время ожидания на линии, длительность разговоров, типы применяемых IVR и алгоритмов распределения входящих вызовов, количество звонков, закончившихся покупкой, количество звонков клиента до заказа, частота обращений в службу техподдержки и др.

Если применить к накопленной информации методики анализа «больших данных», можно выявить неочевидные закономерности. Совершенно неожиданно может оказаться, что, например, в Ростове-на-Дону высокая длительность ожидания ответа существенно снижает вероятность продажи, а в Санкт-Петербурге клиенты намного лояльнее в этом вопросе. Или, скажем, слишком большое количество пунктов голосового меню негативно влияет на количество продаж. А клиенты, часто звонящие в техподдержку, – не самые недовольные, а самые активные, и совершают наибольшее количество повторных покупок.

Конечно, часть перечисленных результатов можно получить путем «ручного» анализа. Однако, во-первых, это займет много времени, а во-вторых, алгоритмы с применением Big Data смогут проанализировать весь комплекс факторов, следовательно, результаты будут более достоверными. Кроме того, автоматизированная аналитика позволит проводить быстрые циклы изменений, оперативно предоставляя статистику об их эффективности. Для малого и среднего бизнеса это особенно важно.

Еще одна интересная возможность, которую дает обработка «больших данных» в телефонии, – сентимент-анализ (Sentiment Analysis) записей разговоров менеджеров по продажам, клиент-менеджеров и специалистов контактного центра. Этот анализ, основанный на технологии распознавания речи, позволяет выявить эмоциональную оценку говорящего по отношению к объекту разговора. Анализ общения самых успешных менеджеров по продажам и их сравнение с разговорами отстающих сотрудников может выявить связь объема продаж с эмоциональной окраской речи. Это позволит выработать рекомендации, которые помогут всем специалистам стать хорошими продавцами. А анализ переговоров сотрудников колл-центра поможет определить, насколько они вежливы с клиентами. Таким же образом, исследуя речь клиентов, можно выявлять их отношение к продукту или услуге.

Вместо заключения

После внедрения понятия Big Data в бизнес-среду появилось множество стартапов, специализирующихся на обработке огромных массивов данных, обратились к этой теме и существующие компании. Некоторые из них используют готовую облачную инфраструктуру, например Amazon. Часть таких компаний была впоследствии куплена крупными игроками рынка: Aster Data приобретена Teradata, Greenplum – ЕМС, Metaweb Technologies поглощена Google, Netezza – IBM, Vertica вошла в состав НР.

Предоставление услуг Big Data-анализа для малого и среднего бизнеса – поле, на котором могут родиться инновационные отечественные ИТ-стартапы. И судя по интересу, который проявляется к «большим данным» в ИТ-кругах и бизнес-среде, появление таких стартапов вполне вероятно.

Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!
Поделиться: