Rambler's Top100
Статьи ИКС № 05-06 2015
Максим ГАРУСЕВ  01 июня 2015

Многомерные кубы удалены от реальности

Есть ли у операторов связи потребность использовать в каждодневной работе большие объемы накопленных данных? Об этом – Максим ГАРУСЕВ, директор департамента маркетинга МГТС.

Максим ГАРУСЕВ, директор департамента маркетинга МГТС

Данные у нас не лежат мертвым грузом

– Какие данные об абонентах, о функционировании услуг, о работе сети представляют ценность для маркетологов МГТС и используются ими?

– На постоянной основе мы работаем с данными биллинга и систем прохождения заказов. Практически в режиме реального времени отслеживаем поступление выручки, сколько абонентов подключилось (новые продажи) и сколько отключилось (отток). При возникновении потребности в специфических данных, например при разработке новых маркетинговых активностей, мы можем привлекать данные из других информационных систем, которые не анализируем на ежедневной основе в операционной отчетности. Так, чтобы понять, как продавать услуги по технологии GPON нашим «медным» абонентам, мы обращаемся к ИТ-системам, содержащим информацию о линейных телефонных сооружениях, кроссах и т.д. Они позволяют оценить плотность абонентов в конкретном районе и доме, понять, когда и как к ним лучше прийти с новой стройкой.

– Помимо уже упомянутых вами, какие еще информационные системы служат источниками исходных данных для анализа?

– Ключевыми для МГТС, как и для любого оператора, являются биллинг и предбиллинг. В предбиллинговых системах накапливается детальная информация о процессе потребления услуг, имеющая важное значение для тарификации и позволяющая буквально побайтно рассмотреть, что происходило с тем или иным сервисом. Так, предбиллинг для телефонии учитывает на коммутаторе голосовые минуты по различным тарифным направлениям, аналогичная система для доступа в интернет собирает информацию о трафике и соединении пользователя. А, например, для недавно запущенных услуг видеонаблюдения в качестве предбиллинга служит система управления видеокамерами, выполняющая целый ряд статистических и аналитических функций.

К биллингу пристыковывается хранилище данных, задача которого – сохранять биллинговые данные в непрерывном режиме. А для предоставления данных внутренним или внешним потребителям используется резервное хранилище, куда все данные потом перемещаются из основного хранилища.

Важной системой является CRM, которая поддерживает процесс продаж. Она хранит все данные об абоненте, его домохозяйстве, используемых услугах, содержит историю обращений клиента и состыкована с системой ведения «проблемных билетов» (trouble tickets). Эта система задействована техническим блоком, в ней фиксируются все аварии, в том числе глобальные.

Есть более специфические, но не менее важные информационные системы, например система диспетчеризации, отражающая и поддерживающая процессы продаж и монтажа услуг. Она управляет сотрудниками, которые занимаются подключением абонентов, гарантируя наличие свободных временных слотов для удобного подключения наших клиентов.

Большинство приложений и систем «живет» в виртуализированной среде, распределенной по двум географически разнесенным дата-центрам – «Докучаев» и «Капотня».

– Как выглядит круг постоянных потребителей аналитики в компании?

– Первым в него входит блок маркетинга, который тесно взаимодействует с блоком ИТ и определяет очередность и ценность решаемых им аналитических задач. В составе маркетингового блока есть бизнес-аналитики, которые напрямую завязаны на регулярный анализ операционных данных компании. Второй важный потребитель операционной отчетности – блок продаж, в структуре которого тоже есть подразделение, занимающееся бизнес-анализом. Разумеется, есть бизнес-аналитики и в ИТ-блоке, у них своя задача – создавать отчеты, выборки, в том числе по запросу внутренних потребителей. Ключевым потребителем аналитики является руководство МГТС, использующее эти данные в тактическом и стратегическом управлении компанией.

– Если заглянуть в арсенал бизнес-аналитиков ИТ-службы, то какие специализированные программно-аппаратные средства, инструменты визуализации информации можно увидеть?

– Для работы с данными МГТС использует типовые решения, какие можно найти у любого оператора связи. В качестве средств визуализации мы применяем инструменты из обычных офисных пакетов.

Как показывает наш опыт, простая и понятная выгрузка данных лучше подходит на роль доказательной базы, необходимой для презентации тех или иных идей и проблем руководству и акционерам компании, чем многомерные кубы, которые бывают далеки от реальности. Своей сложностью они скрывают сами идеи, для подтверждения которых и привлекались данные. Вот почему мы убеждены в том, что отсутствие большого набора визуализационных витрин для представления аналитической информации для нас не проблема.

– А что тогда проблема?

– Время получения данных. Когда конкуренты выходят с какой-то нестандартной маркетинговой акцией, у нас есть неделя или две на то, чтобы на нее отреагировать. Для того чтобы понять, где и какие данные искать, чтобы их найти и проанализировать, этот срок более чем сжатый. Однако только благодаря такому анализу данных нам и удается добиться «правильной» реакции и для абонента, и для внутренней экономики компании.

– Накопленные МГТС данные как-либо переиспользуются?

– Данных, которые лежат мертвым грузом, у нас нет. Даже информация по унаследованной медной инфраструктуре постоянно обновляется. Люди переезжают, снимают телефоны, ставят телефоны, и это все отражается в системах. Мы видим и историю, и текущее состояние. Все данные, которые мы породили в процессе нашей работы и которые могут когда-нибудь пригодиться, у нас «живые». Это относится и к тем данным, которые свидетельствуют о том, как когда-то строилась наша медная сеть. Проекты, выполнявшиеся на бумаге, у нас оцифровываются и хранятся в сканах. Их можно использовать в электронном виде, т.е. при бизнес-необходимости даже исторические документы вовлекаются в оборот.

Data scientist воспитаем в своем коллективе

– Какие модели монетизации больших объемов данных существуют для оператора связи?

– Я бы выделил три возможных применения накопленных данных, которые могут обеспечить дополнительный доход. Первое предполагает развитие отношений с третьими сторонами в рамках рекламной модели. Можно зарабатывать, продавая рекламному агентству анонимные, обезличенные профили пользователей без персональных данных, имеющиеся у нас в большом объеме. Мы пробуем двигаться в этом направлении, но видим, что и доход там небольшой, и высокого потенциала выручки нет. К тому же для оператора это непрофильный вид деятельности.

Второе направление важнее, поскольку напрямую влияет на основной бизнес. Это повышение качества, усовершенствование сервисов на базе анализа запросов из CRM, обращений абонентов. Обновленные таким образом услуги – это новая выручка компании либо сохраненная выручка от сохраненных абонентов, отток которых мы предотвратили.

Но самое важное направление монетизации данных – оценка профиля пользователя с точки зрения наших услуг, которые он еще не потребляет. Выявление групп абонентов, которым мы почему-то какие-либо наши услуги не продали. Именно такая модель монетизации дает самую большую выручку. К слову, именно на этих абонентов, а также на тех, кто склонен к оттоку, мы ориентировали запущенную в декабре программу лояльности. Разрабатывая ее, мы сделали большое количество выгрузок, провели детальный анализ профилей поведения пользователей, прежде чем утвердили этот бизнес-кейс у руководства, и, как показал последующий анализ уже запущенной программы, мы многое угадали.

– Потенциал каких данных, имеющихся у оператора, на ваш взгляд, не полностью раскрыт?

– Мы еще недостаточно активно используем возможности персонализированных профилей. В настоящий момент у нас нет явной потребности изучать, к примеру, особенности посуточного потребления услуг, его кластеризацию по месяцам и дням недели, нет необходимости делить нашу четырехмиллионную абонентскую базу на кластеры, скажем, по 10 тыс. человек. На Западе такие предложения встречаются, операторы при разработке таргетированных акций разбивают свою базу на множество кластеров, и для них это актуально. В настоящий момент для текущего состояния рынка Москвы и решения видимых бизнес-задач, имеющих ценность для абонентов, нам вполне достаточно существующих ИТ-инструментов.

– А нехватку таких специалистов, как data scientists, вы ощущаете?

– Скажем так, несколько высококвалифицированных аналитиков из маркетингового блока выполняют их функцию, поскольку, с одной стороны, в деталях понимают, как работает операционный бизнес, с другой – неплохо разбираются в ИТ-проблематике и в структурах данных. Возможно, иметь выделенного специалиста целесообразно. Однако, как я уже сказал, у нас множество ИТ-систем, с ними нужно достаточно долго работать, чтобы понять, где что брать. Словом, для того чтобы доставать нужные данные быстро и с минимальными конфликтами, нужно вырастить data scientist в своем коллективе из специалиста, который здесь давно работает и имеет хорошие контакты со всеми айтишниками.

– Какой будет работа с данными в компании МГТС в 2020 г.?

– Я думаю, что аналитические функции по работе с данными в компании будут укрупняться и выделяться в маркетинге и продажах. Похожий тренд намечается в финансовом блоке. Так что мы продолжим работать в квадрате «финансы – маркетинг – продажи – ИТ». Будут появляться специализированные роли, которые будут теснее взаимодействовать друг с другом и научатся одинаково понимать данные в системе. К этому времени должна возрасти и скорость принятия управленческих решений, потому что время вывода новых услуг на рынок станет еще более критичным. 

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