Rambler's Top100
Статьи ИКС № 05-06 2015
Сергей ФЕДЕЧКИН  01 июня 2015

«Большие данные» улучшают отношения с клиентами

«ВымпелКом» за два года реализовал программу по работе с Big Data. О том, как новые технологии позволяют усилить заботу об абоненте, рассказывает Сергей ФЕДЕЧКИН, архитектор Business Intelligence компании «ВымпелКом».

Два года назад, начиная работу с Big Data, мы встали перед выбором оптимального варианта организации проекта. В итоге выбор был сделан в пользу поддержки маркетинговых процессов и инициатив. Довольные внутренние бизнес-заказчики и огромный портфель заказов – это хороший старт для любого проекта, а для инновационного это огромный успех.

Сергей ФЕДЕЧКИН, архитектор Business Intelligence компании «ВымпелКом»

Первые прототипы решений Big Data были собраны буквально из подручного материала. Самым экономным вариантом оказалось использование обычных рабочих станций, бывших в употреблении. Два кластера по 10 машин в каждом были специализированы под разные классы задач. В первом кластере упор был сделан на интенсивные операции ввода-вывода, второй был ориентирован на вычисления. По результатам проведенных «пилотов» мы смогли сформулировать правильные требования к продуктивному кластеру и решить первую задачу для бизнеса.

Продуктивный кластер вбирает в себя все больше проектов и активно развивается. Первоначальный объем обрабатываемой информации составлял всего 180 Тбайт, а сейчас он приближается к 1 Пбайт. Помимо кластера Big Data в реляционном хранилище содержится более 600 Тбайт данных для корпоративной отчетности, клиентской аналитики и развития продуктов.

Как показала практика, рост объема реляционной части хранилища можно замедлить, а в идеале этот объем можно даже сократить, перенеся часть данных на кластер Big Data. Это значительно снизит стоимость хранения и обработки данных. Для этого важно наладить эффективное взаимодействие между реляционной частью хранилища и Big Data, максимально сохранив инвестиции.

В настоящий момент кластер размещен в ЦОДах Москвы. При высокой востребованности бизнесом проектов, основанных на технологии Big Data, нагрузка серверов практически всегда достигает 100%, что требует значительных ресурсов на охлаждение. Кластер растет, и в планах развития до конца года перенести его в наш новый ЦОД, расположенный в Ярославле. Этот ЦОД построен на основе самых передовых технологий, в частности, системы охлаждения реализованы с применением фрикулинга. Это позволит существенно сократить затраты на электроэнергию.

Использование технологий Big Data дало возможность оптимизировать расходы и уменьшить сроки предоставления операционной отчетности. Нам удалось перенести расчет части сложных KPI с реляционных баз данных на экономичные вычислительные мощности Big Data и таким образом обеспечить требуемый уровень сервиса при меньшем бюджете.

В каждой точке контакта мы заботимся о наших клиентах и следим, насколько лучше они стали относиться к компании «ВымпелКом». Самым главным показателем является готовность рекомендовать нас своим друзьям, родственникам и знакомым. Этот показатель, который мы называем «наш показатель сервиса» (НПС), уверенно растет.

Большое количество бизнес-подразделений является потребителями данных и сервисов на основе Big Data, включая подразделения, решающие задачи качественного обслуживания клиентов и целевого маркетинга. Например, благодаря применению технологий вычислений in-memory и потоковой загрузке данных мы смогли радикально ускорить процессы Campaign Management. Сотни показателей в режиме реального времени по каждому абоненту позволяют своевременно предлагать продукты нашим клиентам. Например, акция «Персональный Билайн» продемонстрировала высокие результаты – 45% участников приняли сделанные им персональные предложения. Приятно отметить, что у абонентов, согласившихся на персональное предложение, НПС вырос на 13 п.п.

Еще один удачный пример – проект, направленный на защиту наших абонентов от раздражающего SMS-спама, «АнтиСПАМ Щит». Принцип работы системы достаточно прост, но эффективен. По набору определенных признаков система распознает спам, не «читая» при этом само SMS-сообщение. Такими признаками являются наличие номеров телефонов, адресов сайтов, определенные ключевые слова. Кроме того, система анализирует частоту отправки сообщений с некоторых номеров. Если она видит поток однотипных SMS с характерными для спама признаками, то такая рассылка будет автоматически остановлена. Наш «АнтиСПАМ Щит» оказался способен заблокировать более 90% из 120 млн спам-сообщений!  

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