Эрик Сигель
Просчитать будущее
07.07.2015
Издатель: Издатель: Wiley

Просчитать будущее

Авторы
Эрик Сигель
Дата обзора
07 июля 2015
Слушайте обзор
0:00 0:00
117

Кто кликнет, купит, соврет или умрет

Уже сегодня прогнозирование затрагивает нашу жизнь каждый день и на работе, и в обыденных ситуациях. Современные технологии влияют на нас, когда мы выбираем товар в магазине или голосуем на выборах. Автор книги повествует о том, каких высот достигла наука прогнозирования, в каких сферах она находит свое применение и чем может быть полезна руководителям.

Цена данных

В условиях сегодняшнего мира нас постоянно заваливает все новой информацией. Сотни постов в социальных сетях, горы спама в электронных почтовых ящиках и бумажной рекламы в обычных… Неудивительно, что большинство людей видят в лавине данных скорее угрозу или вред для себя. Однако автор убежден: на самом деле информация имеет высокую цену.

Конечно, не все данные ценны. Объемы существующей информации каждый день увеличиваются на 2,5 квинтиллиона байтов (число с 18 нулями). «Необработанные данные – это сырье. Золото – то, что можно из них добыть», – пишет Сигель. Компьютеры, используя огромные массивы информации, обучаются и могут делать весьма ценные выводы.

Автор приводит несколько примеров тех знаний, которые мы получили благодаря машинному обучению (или прогнозной аналитике, как его называют в коммерческой, государственной и промышленной сферах):

  • вегетарианцы реже пропускают свои авиарейсы;
  • количество локальных преступлений возрастает после публичных спортивных состязаний;
  • ранний выход на пенсию снижает ожидаемую продолжительность жизни.

Подобные выводы, сделанные компьютерами, широко используются и государственными организациями, и компаниями. Скажем, социальная сеть LinkedIn выявляет профессиональные навыки людей. Сайты знакомств предсказывают, кто может понравиться пользователям. Австралийская компания Energex прогнозирует спрос потребителей на электроэнергию и применяет эту информацию, выбирая место для прокладывания своих электросетей. А супермаркеты Tesco и другие пользуются аналитикой, чтобы рассылать персонализированные скидочные купоны своим клиентам в 13 странах мира. В результате такого шага потребители стали пользоваться купонами в 3,6 раза чаще.

Звучит неплохо, но насколько точны подобные прогнозы? Автор говорит, что на 100% точное прогнозирование невозможно в принципе. Скажем, точность прогнозов погоды – всего 50%. Однако 100%-я точность и не нужна, чтобы прогноз имел высокую ценность.

Компаниям не стоит стремиться к получению высокоточных прогнозов. Скорее всего, они все равно получат хороший результат. Автор называет это «эффектом прогнозирования»: даже не слишком точное прогнозирование повышает ценность лучше, чем догадки. «Гораздо лучше иметь хотя бы смутное представление о том, что произойдет в будущем, чем пребывать в полной неизвестности», – пишет Сигель.

Прогноз с применением

Прогнозная аналитика (ПА) – инструмент довольно универсальный. Практически любая компания может найти ей применение. Для этого достаточно разобраться с такими пунк­тами:

  1. Предмет прогнозирования. Что конкретно вы хотите предсказать? Какое событие или поведение какого именно субъекта хотите спрогнозировать?
  2. Цель прогнозирования. Зачем вам нужно это предсказывать? Какие решения должна принять компания после получения прогноза? Какие действия совершить?

По уверению автора, список областей применения прогнозной аналитики практически неограничен. Организация может предсказывать цену на акции, продажи, увольнения, поведение клиентов и многое другое. А государства – правонарушения, несчастные случаи, наличие рабочих мест, результат выборов и т. д. Более того, можно использовать ПА даже в сфере личных отношений, прогнозируя любовь и дружбу, разводы, мысли и намерения.

Чаще всего в компаниях прогнозную аналитику применяют в области маркетинга, в частности, рассылки рекламных предложений массовому клиенту. В этом случае предмет прогнозирования – поведение потребителей при получении таких материалов, а его цель – направить свои маркетинговые усилия на клиента так, чтобы с максимальной долей вероятности получить положительную реакцию.

ПА также помогает компаниям управлять своими рисками. И хотя неожиданные масштабные проблемы можно предсказать не всегда, данный инструмент позволяет увидеть надвигающуюся угрозу меньшего калибра, например, нежелательное поведение клиента.

И, наконец, прогнозная аналитика способна помочь организациям вовремя заметить хорошую возможность. Скажем, в момент, когда клиент готов совершить покупку, предложить ему попробовать новый продукт.

Впрочем, применение ПА может быть сопряжено с некоторыми проблемами. В частности, если вы хотите использовать аналитику для принятия решений в режиме реального времени, прогнозы должны генерироваться очень быстро. Иначе данные устареют, а вы еще не успеете ими воспользоваться.

Глобальная взаимосвязь

У компании, которая использует большие объемы данных, может возникнуть вопрос: а что если из имеющегося набора информации не удастся извлечь никакой пользы? Однако автор уверен: «Данные всегда говорят. У них всегда есть что рассказать, а также то, на основании чего можно приобрести знания». Он называет это «эффектом данных»: они всегда обладают прогнозным потенциалом.

Объясняет Сигель это следующим образом: все в мире связано между собой, а информация является отражением этих взаимосвязей. Например, текущая покупка человека связана с историей его прошлых покупок, с его поисковыми запросами, с поведением его знакомых и т. д. Если у вас есть данные, то вы можете понять, каков характер этой зависимости, а значит, и спрогнозировать действия клиента.

Именно благодаря эффекту данных компании готовы платить деньги за внедрение систем компьютерного прогнозирования и тратить время на обучение сотрудников. Ведь они могут быть практически уверены в том, что в результате узнают нечто ценное. «В нашем веке данные превратились в самое большое богатство и часто рассматриваются как важнейший стратегический актив организаций», – пишет Сигель. Может быть, поэтому данные сегодня называют «новой нефтью», а компании, умеющие обращаться с информацией, все чаще превосходят некогда преуспевающие нефтедобывающие бизнесы.

Прогнозирование опирается на так называемые предикторы, или предикторные переменные, – определенные значения, которые можно измерить. Скажем, существует предиктор «новизна» – это время, прошедшее с момента совершения предыдущей покупки (если речь идет об использовании ПА в продажах) или проявления определенного симптома (если мы говорим о ПА в медицине). Данный предиктор часто используется для предсказания будущего поведения человека. А чтобы прогноз был максимально достоверен, используются десятки и даже сотни разных предикторов.

Стоит заметить, что аналитические системы часто наталкиваются на необычные открытия. Например, одно исследование показало, что у пациентов после инсульта, которые слушали музыку по паре часов в день, быстрее улучшалась вербальная память, концентрация внимания и настроение.

Однако приведенный факт лишь наблюдение, некая корреляция, которая вовсе не означает обязательную причинно-следственную связь. Из него можно сделать вывод: прослушивание музыки помогает восстанавливаться после инсульта. Но это лишь догадка, и данные не могут подтвердить эту гипотезу.

Если между двумя фактами А и Б обнаружена некая корреляция, это не значит, что А является следствием Б или наоборот. Вполне возможно, что у них есть некая общая причина. Например, было замечено, что в сезон, когда люди покупают больше мороженого, акулы чаще нападают на людей. Можно сделать такое предположение: поедание мороженого делает человека более вкусным для акулы. Но на самом деле такой причины нет. Просто в жаркую погоду люди чаще едят мороженое и купаются в море, а значит, подвергаются большему риску нападения акул.

Сигель предостерегает компании и индивидуумов, которые хотят воспользоваться выгодами прогнозной аналитики, от поспешных выводов. Взаимосвязи между событиями могут быть настолько сложны, что установить причину затруднительно. Впрочем, автор говорит, что на это и не стоит тратить время. Ведь для прикладного применения ПА причинно­следственные связи не являются необходимыми. «Цель большинства ПА­проектов – научиться прогнозировать, а не понять, что движет миром», – пишет Сигель.

Чем больше – тем лучше

Каждая система прогнозной аналитики основывается на определенной модели. У них есть некоторые недостатки, поэтому добиться совершенных результатов не удается никому. Однако существует способ значительно улучшить генерируемые прогнозы.

Для этого нужна «мудрость толпы», то есть сотрудничество, использование интеллектуальных ресурсов разных специалистов. Автор рассказывает о небольшой компании Kaggle, которая создала инновационную платформу для организации конкурсов по прогнозной аналитике (слоган этой фирмы – «Превратим анализ данных в спорт»). На момент публикации книги было проведено 53 таких соревнования, а сообщество специалистов насчитывало уже 50 тыс. человек, работающих в 200 университетах мира. Несмотря на дух соперничества, такие конкурсы поощряют сотрудничество между людьми, и в результате рождаются отличные идеи.

Принцип сотрудничества можно использовать не только с отдельными личностями, но и с прогнозными моделями. Если объединить две (а может, и больше) прогнозные модели, можно комбинировать их данные и минимизировать недостатки. Получившаяся в итоге так называемая ансамблевая модель выступает в роли «менеджера» изначальных моделей. «Она рассматривает прогнозы каждой из них для каждого отдельного случая. В одних случаях она больше доверяет прогнозам модели А, в других – модели Б. Поступая таким образом, ансамблевая модель учится предсказывать, какие случаи являются слабыми местами в каждой базовой модели», – объясняет автор. Он называет это «эффектом ансамбля»: объединенные прогнозные модели могут компенсировать недостатки друг друга, в результате ансамбль характеризуется большей прогнозной точностью, нежели каждая из входящих в него моделей.

Подобные ансамбли обладают интересным свойством: хотя их конструкция кажется более сложной, поведение таковым не становится. Совокупный показатель сложности у ансамбля ниже, чем у отдельных моделей.

Искусство влияния

Компании хотели бы влиять на своих клиентов, государства – на граждан, а отдельные личности – на своих друзей и близких. Автор утверждает, что прогнозная аналитика может помочь и в этом, хотя данная задача является довольно сложной.

Проблема в том, что мы не можем понять, как работает мозг человека. Если вы отправили потенциальному клиенту рекламную листовку и он совершил покупку – это произошло потому, что на него было оказано влияние? Или он купил бы ваш продукт независимо от ваших усилий? Компания не может ответить на эти вопросы, как не в состоянии сам человек точно описать процесс принятия им решения. Если вы советовались с друзьями, читали материалы, случайно увидели рекламу, а потом что-то купили – вы не всегда понимаете, что именно на вас повлияло.

Таким образом, наблюдать влияние невозможно, и никогда нельзя утверждать со 100%­-й вероятностью, что оно имело место. Однако это не означает, что спрогнозировать влияние нельзя.

Для этого нужно использовать сравнение. Например, компания Google предлагала пользователям 41 оттенок синего цвета и отслеживала, какой из них соберет больше кликов. А компания Facebook экспериментировала с правилами отображения постов друзей и смотрела, как это влияет на ваше поведение, на активность вашей коммуникации. Метод тестирования активно применяется как в маркетинге, так и в медицине, хотя и не позволяет достичь персонализированного подхода.

Чтобы компания могла определить, поддается ли потенциальный клиент влиянию, ей нужно знать ответы на два вопроса: сделает ли он покупку, если послать ему рекламу? И купит ли он продукт, если не посылать ее? Однако нельзя одновременно и послать, и не посылать рекламный буклет.

Выход – использовать метод, аналогичный плацебо в медицине. То есть одной группе клиентов отправить буклет (совершить воздействие), а контрольной группе – не посылать. И сравнить полученные результаты. «Если в группе клиентов, к которым применялось данное воздействие, процент покупок выше, чем в контрольной группе, значит, маркетинговая кампания оказалась успешной», – пишет автор.

Описанный метод моделирования воздействия заключается в том, чтобы не просто выявить группу клиентов, которые купят, если отправить им рекламу, но тех, кто не купил бы, если бы рекламу не получил. Другими словами, выявить именно тех людей, кто подвержен воздействию. В этом помогает специальная прогнозная модель. Она обучается и на экспериментальной, и на контрольной группе клиентов и сравнивает их поведение. В результате компании, которые применяют такой метод, могут понять, на каких клиентов стоит ориентировать маркетинговые кампании.

Автор называет это «эффектом воздействия»: несмотря на свою нематериальную природу, подверженность человека влиянию может быть спрогнозирована при помощи методики моделирования воздействия, которая предполагает построение прогнозной модели на основе двух различных обучающих наборов данных.

Взгляд в будущее

Напоследок автор предлагает десять прогнозов на начало 2020 года. Все они основываются на научных разработках, над которыми уже сейчас бьются компании.

  1. Противоугонная система автомобиля. В будущем, когда человек сядет в машину, аналитическая система установит его личность, используя биометрические параметры. А если машиной попытается завладеть вор, двигатель будет заблокирован.
  2. Развлечения. Интернет­радио будет проигрывать именно ту музыку, которая может понравиться человеку.
  3. Маршрут. Установленный в машине дорожный навигатор учитывает пробки, предлагая водителю маршрут.
  4. Еда. Ориентируясь на вкусовые пристрастия человека, специальная система порекомендует ему ресторан с автораздачей, располагающийся по пути на работу.
  5. Коммуникации. Электронный секретарь автоматически блокирует те посты и комментарии в соцсетях, которые будут вам неинтересны. Если человек хочет найти новую работу, то сайты предложат ему лишь релевантные вакансии. И, разумеется, специальные системы фильтруют спам не только в вашем электронном ящике, но и в голосовых сообщениях.
  6. Маркетинг. Если вы размышляете над тем, чтобы сменить оператора мобильной связи, он узнает об этом и предложит большую скидку на услугу или товар (скажем, iPhone13).
  7. Интернет­поиск. В будущем Siri сможет эффективнее предлагать вам магазины и рестораны. В частности, у пользователя будет доступ к ней через аудиосистему автомобиля, а сама коммуникация станет более «человечной».
  8. Невнимательность водителя. Если, находясь за рулем, вы отвлечетесь, то встроенные в сиденье датчики заметят снижение вашего внимания и кресло завибрирует.
  9. Предупреждение аварий. В дополнение к вибрации громкий звуковой сигнал предупредит водителя об опасности на дороге: будь то машина, готовая проскочить перекресток на красный, или ребенок, который бежит в сторону проезжей части.
  10. Надежность. Автомобиль сам проинспектирует свое состояние и предупредит вас о необходимости наведаться в сервис, так как в ближайшие несколько месяцев могут возникнуть какие-то проблемы.

В будущем прогнозная аналитика, по мнению автора, будет распространена повсеместно. И выиграют от этого все: так, на дорогах станет безопаснее (нарушителей ПДД будут автоматически лишать прав после очередного проступка), банки станут точнее оценивать кредитные риски, а здоровье человека укрепится, ведь процедуры будут подбирать персонализированно. Когда именно все это произойдет, Сигель предсказать не берется, но в одном он уверен: прогнозные технологии будут развиваться все интенсивнее.

611

Пять основных мыслей

  1. Данные всегда обладают прогнозным потенциалом. Это называется «эффектом данных»
  2. Список областей применения прогнозной аналитики практически неограничен: начиная от продаж и заканчивая школьными оценками и результатами выборов
  3. Даже не слишком точное прогнозирование повышает ценность лучше, чем догадки («эффект прогнозирования»)
  4. Если между двумя фактами обнаружена некая корреляция, это не обязательно означает наличие причинно-следственной связи между ними
  5. Несмотря на свою нематериальную природу, подверженность человека влиянию может быть спрогнозирована при помощи методики моделирования воздействия

Стоит задуматься

  1. Чем вашей компании может быть полезно прогнозирование?
  2. Не спешите ли вы видеть причину и следствие во взаимосвязанных фактах?
  3. Как можно подготовить свой бизнес к будущим изменениям?

Cледует сделать

  1. Проанализировать возможности, которые открывает перед компанией прогнозная аналитика
  2. Сделать свои маркетинговые кампании более нацеленными
  3. Начать собирать данные о своих клиентах, если вы еще этого не делаете
117
kmbs
Интеллектуальный партнер проекта Digest