Да пребудет с тобой big data!

Исследование американской компании Gartner показало, что 73% компаний-респондентов готовы инвестировать – или уже это делают – в развитие данной сферы в течение следующих 24 месяцев.
Популярно

Как большие данные помогают компаниям развиваться.

Big data для компаний – отличный способ реализовать свои амбиции по изменению конкурентной среды. Благодаря широкому распространению смартфонов, приложений и электронной коммерции собирать и анализировать данные стало проще. Big data помогает понять, как и какие инструменты использовать в работе с клиентами, чтобы увеличить прибыль, ускорить время выхода на рынок, оптимизировать свою рабочую силу или реализовать другие операционные улучшения.

Исследование американской компании Gartner показало, что 73% компаний-респондентов готовы инвестировать – или уже это делают – в развитие данной сферы в течение следующих 24 месяцев.

Улучшение отклика на запросы клиентов и повышение эффективности бизнес-процессов – вот те приоритеты, которые и толкают компании развивать big data. Ведь если организация игнорирует полученные данные о своих существующих и потенциальных клиентах, они могут уйти к более гибким и подкованным конкурентам. Вот несколько примеров того, как компании сделали ставку на big data и не проиграли.

Внедрение новых продуктов

Анализ данных помогает ускорить внедрение новых продуктов или услуг. Например, производители лекарств использовали клиническое моделирование, чтобы сократить затраты на пациентов, участвующих в испытаниях. Моделирование клинических испытаний, вооруженное силами облака и больших объемов данных, может стать более быстрым и эффективным.

Компания Bristol-Myers Squibb, которая входит в топ-20 мировой фармацевтики, сократила время проведения клинических испытаний на 98% за счет перемещения данных исследований из внутренней сети в облако.

Поскольку данные клинических испытаний – довольно чувствительная информация, Bristol-Myers Squibb настроил специальный шифрованный VPN-туннель к частному закрытому облаку. Это помогло обезопасить данные, которые там хранятся, от внешнего посягательства. Благодаря выходу в облако компания смогла оптимизировать уровни дозировки. В свою очередь, лекарства стали более безопасными, а их тестирование требует меньше образцов крови пациентов.

До работы в облаке требовалось около 60 часов, чтобы обработать данные одного эксперимента. Теперь же около 2 тыс. различных процессов занимают чуть более часа.  Кроме того, благодаря переезду и более быстрой обработке расширенного массива данных Bristol-Myers Squibb сумел сократить количество клинических испытуемых в педиатрическом исследовании с 60 до 40, а длительность – более чем на год.

Оптимизация человеческих ресурсов и клиентооборота

Некоторые HR-отделы используют аналитику big data, чтобы сократить расходы на поиск новых сотрудников и эффективно решать вопросы управления персоналом. Анализ данных позволяет подбирать сотрудников, которые лучше подходят компании, снизить текучесть кадров, понять навыки и вывод имеющихся трудовых ресурсов.

Например, внедрение сбора и анализа информации в Hewlett-Packard помогло снизить текучесть персонала. Так, часть сотрудников была определена как «группа риска». Спустя год 75% из тех, кто попал в группу, уволились.

А Xerox использовал данные для снижения «выгорания» персонала в своих центрах обработки вызовов на 20%. Благодаря сбору и обработке звонков в компании поняли, что вызывает текучесть сотрудников, и улучшили способы их взаимодействия.

11_2

Big data полезны также при выявлении рискованных клиентов, контроле поставщиков, пресечении мошенничества. С помощью анализа периодической отчетности и полученных в процессе сбора данных легче выявить утечку источников доходов, а также найти новую, более эффективную бизнес-модель для компании.

Важнее всего – погода

Партнерство The Weather Company и IBM позволит компаниям лучше управлять воздействием погодных условий на эффективность бизнеса. По данным The Weather Company, экономический эффект погоды составляет$500 млрд ежегодно только в США.

11_1

Данные о погоде в настоящее время собираются c более чем 100 тыс. погодных датчиков и воздушных судов, а также миллионов смартфонов, зданий и транспортных средств. Эта информация в сочетании с данными из других источников создают 2,2 млрд уникальных точек прогноза. Розничные продавцы смогут использовать данные для корректировки времени работы и цепочки поставок. Энергетические компании – улучшить снабжение и прогнозирование спроса. Страховые компании – предупредить страхователей о суровых погодных условиях, и они могут свести к минимуму вероятность повреждения автомобиля в случае града.

Маркетинг

По данным Ассоциации прямого маркетинга, средний показатель использования купона на скидку клиентами составляет 3,7%. А теперь представьте, что в продуктовых магазинах сети Kroger купоны используют около 70%. Kroger имеет программу лояльности №1 в продуктовой промышленности США. Показатели впечатляют. Более 90% ее клиентов используют карту лояльности во время покупки продуктов. Есть много факторов, которые улучшили финансовые показатели Kroger. По крайней мере, рост компании в течение 11 лет подряд был во многом обусловлен действием эффективной программы лояльности.

Однако сетевые магазины все больше уделяют внимания точечному маркетингу, который проще внедрять с помощью исследования данных. Например, аналитик компании Target Эндрю Пол разработал систему прогнозирования беременности (pregnancy prediction system). Супермаркет может узнать, что клиентка ждет ребенка, благодаря изменению характера покупок.

Одна женщина пожаловалась на Target за то, что они присылали ее дочери рекламу товаров для будущих мам. Сеть извинилась, но через полгода жалобщица сама пришла и сказала, что те были правы, поскольку она многого не знала о дочке.

Управление рисками

Теперь, когда датчики встраиваются в почти все, компании используют полученные данные для определения срока техобслуживания самолетов, поездов, автомобилей и даже бытовой техники. В идеале – определить момент до того, как проблема возникла, понять ее причину и как ее решить.

Машиностроители Pratt & Whitney, подразделение United Technologies Corp., пытаются уменьшить незапланированное техобслуживание авиационных двигателей. Системы контроля в их двигателях нового поколения собирают около 5 тыс. показателей одновременно. Для сравнения – в двигателях, которые используются сейчас, можно получить только 100 показателей. Используя полученные данные, Pratt & Whitney и ее партнер IBM пытаются создать модель упреждающего обслуживания.

 

Что нового
комментарии
  • rakerunner

    В большинстве описанных задач нет Больших Данных
    (разве что в задаче анализа данных датчиков авиадвигателей и в задаче прогнозирования погоды).
    Практически все описанные задачи относятся к Machine Learning. Но Machine Learning != BigData
    Не всякая задача анализа Больших Данных требеут методов Машинного Обучения
    И не всякая задача Машинного Обучения обязательно имеет дело с Большими Данными.

    Зачем писать о том, в чем не разбираешься?

Лекции
WATCH&SHARE
Рынок
ОБЗОР РЫНКОВ
ОТРАСЛЕВЫЕ ТРЕНДЫ
ЭКСПЕРТЫ
ИДЕИ
ИННОВАЦИИ
ВДНГ TECh
ПРАКТИКА
БИЗНЕС-ПЛАНЫ
ЗНАНИЯ
ИСТОРИИ УСПЕШНЫХ
ТЕЛЕКОМ ДЛЯ БИЗНЕСА