Уже 55% крупных компаний имеют бюджеты на дата–аналитику.
Более половины крупных организаций в России уже имеют бюджет на внедрение решений по аналитике big data, говорится в исследовании IDC и Hitachi Vantara. "Аудиторные данные позволяют бизнесу сегментировать свои целевые группы, выяснять инсайты, — рассказывает генеральный директор ООО “Профископ” Алексей Смирнов. — Это позволяет лучше понять клиента и сделать ему более точное предложение. В итоге повышается конверсия и существенно оптимизируется общий рекламный бюджет". Такие гиганты, как Сбербанк и "Тинькофф", собирают и анализируют собственные массивы данных, тогда как компании поменьше обращаются к операторам связи.
Минимум двукратный рост
По итогам 2019 года выручка ПАО "ВымпелКом" ("Билайн") от проектов с использованием технологий big data и искусственного интеллекта выросла в 2,3 раза. Большую часть ресурсов big data оператор инвестирует в телеком–бизнес (отдача исчисляется десятками миллиардов рублей), но фокус внимания постепенно переносится на внешние проекты.
Среди кейсов "Билайна" есть решения в области ТВ–аналитики, позволяющие определить оптимальное время и канал присутствия целевой аудитории; видео– и аудиоаналитика, решения для цифрового маркетинга и рекламы, позволяющие провести анализ эффективности рекламной кампании. Также в прошлом году компания запустила "Beeline AI — Поиск людей" на базе нейросети. Инструмент позволяет распознать человека по снимкам с дронов (используется волонтерами поисково–спасательного отряда "Лиза Алерт").
Если раньше направление было интересно в основном крупным игрокам, то теперь в сторону data–аналитики смотрят и представители малого и среднего предпринимательства, отмечает директор по развитию бизнеса структурного подразделения "Билайн Бизнес" Евгений Коробов.
МТС не только продает решения на базе Big Data-технологий, но и выстраивает с их помощью собственную бизнес-стратегию. Аналитика применяется в маркетинге, обслуживании, продажах, управлении кадрами. В работе розничной сети применяется система Workforce Management (WFM), выстраивающая график работы сотрудников салонов на основе аналитики больших данных. Как рассказали в пресс–службе МТС, это позволило на 4–5% увеличить продажи и почти на 30% ускорить обслуживание в часы пик. За последние 3 года анализ big data (как для внутренних проектов, так и для клиентских сервисов) принес МТС совокупно более 3,5 млрд рублей. Также за последние 4 года количество собираемых метрик возросло до 3500.
В "МегаФоне" тоже отмечают рост спроса на data–сервисы, особенно со стороны банковской отрасли.
В Tele2 оценивают эффект от реализации внешних и внутренних проектов по работе с данными за 2019 год в 1,057 млрд рублей, это вдвое выше показателей 2018 года, доход от внешней монетизации увеличился на 70%. "Генераторами выручки стали геоаналитика и продукты для финансовых организаций. Причем доход от сервисов геоаналитики за 2019 год увеличился в 10 раз. В нынешнем году Tele2 инвестирует в развитие аналитики больших данных и искусственного интеллекта порядка 100 млн рублей, что в 2 раза больше инвестиций 2019 года", — рассказали в пресс–службе.
Аналитикой больших данных занимаются и операторы широкополосного доступа в интернет. У "ЭР–Телеком" ("Дом.ru") проект по работе с данными выделен в отдельное направление бизнеса. Например, в ТВ–приставке Movix применяется система рекомендаций контента на основе предпочтений пользователей.
Поймай клиента, если сможешь
Одним из самых перспективных направлений в работе с данными компании называют геоаналитику. В таких продуктах наиболее заинтересован туристический бизнес. Президент Национальной ассоциации туристско–информационных центров (НП "НАИТО") Михаил Ушаков отмечает, что раньше для оценки турпотока в городе использовали в основном статистику отелей, однако этих сведений недостаточно.
"Количество туристов, которые останавливаются в квартирах у друзей и знакомых, растет с каждым годом, поэтому становится все сложнее оценивать число проживающих в гостиницах. Также важно точечно понимать, какой контингент прибывает в город, насколько он платежеспособен, сколько времени проводит в Петербурге", — говорит эксперт.
Опыт работы с data–аналитикой в мировом туризме применяется давно. Наиболее успешен он в европейских странах, где в направление вкладывают колоссальные средства.
В России, по словам экспертов, аналитический подход менее распространен: если мегаполисы могут позволить себе использовать данные, то у отдаленных регионов просто нет на это денег.
Big data использует и ретейл. Однако не все участники рынка предпочитают закупать данные у операторов. В "Леруа Мерлен", например, строят собственную систему аналитики, но в некоторых случаях прибегают к помощи операторов.
"Не всегда эффективность полученных данных высокая. Но они помогают, например, в оценке поведения клиентов: можно отследить, знакомился ли покупатель с каталогом продукции на сайте, посещал ли сайты конкурентов", — говорят там.
Алексей Смирнов отмечает: big data помогают в поиске потенциальных клиентов. "Для крупного ретейла при этом важна более расширенная информация, а для небольшого бизнеса будет достаточно и данных геопозиционирования или возраста", — говорит он.
Отказались от закупок
Большие данные могут использовать и госструктуры. В "МегаФоне" уточняют, что заказчики во властных структурах планируют с их помощью строительство транспортной, туристической и социально значимой инфраструктуры, находят обоснования инвестициям в такие проекты.
В этом году комитет по информатизации и связи впервые планировал централизованно закупить у операторов связи big data, однако эта статья расходов была секвестирована. "Данные сотовых операторов имеют ряд ограничений при использовании для анализа транспортного поведения. В частности, есть вопросы к надежности определения вида транспорта, которым перемещается абонент (едет ли он на автобусе, на такси или личном автомобиле)", — сообщили в комитете по развитию транспортной инфраструктуры (КРТИ).
Однако комитет видит и перспективы использования технологии: "Данные сотовых операторов дают достаточно точную картину распределения абонентов по территории города в разное время суток". В будущем эта информация может быть использована в системе "Транспортная модель Санкт–Петербурга", с помощью которой прогнозируют распределение транспортных и пассажирских потоков, а также в целях оптимизации маршрутной сети.
