Аналитика на службе бизнеса: как компании добывают ценность из данных

В мире, где скорость возникновения информации превышает скорость звука, работа с данными стала необходимостью. Компании, которые умеют эффективно их использовать, смогут не только удержать свои позиции на рынке, но и значительно их укрепить.

О том, как с помощью анализа данных трансформировать бизнес-процессы, снизить расходы, увеличить производительность и выручку, рассказывает коммерческий директор Arenadata Андрей Жуков.

Почему это важно

Сегодня компании, уделяющие недостаточное внимание своим данным, упускают возможности и неоправданно расходуют средства — теряют деньги. Данные — это фундамент цифровой трансформации, который помогает бизнесу выйти в лидеры индустрии. Актуально это практически для всех рынков: от компаний из сферы электронной коммерции, финтеха и телекома до крупных промышленных предприятий. 

Розничная торговля, e-commerce, FMCG

Российский рынок розничной торговли и товаров народного потребления давно принимает решения на основе данных. Они помогают быстро масштабироваться, автоматизировать бизнес-процессы, улучшать показатели бизнеса, вовремя устранять проблемы и повышать лояльность клиентов.

Например, на базе технологий по работе с данными игроки могут прогнозировать спрос и, как следствие, оптимизировать товарные запасы, персонализировать предложения и маркетинговые коммуникации, оптимизировать ассортимент и ценообразование, управлять промо- и трейд-маркетингом. В результате компаниям в среднем удается увеличить выручку на 12%, прибыль — на 5% и снизить затраты на логистику на 6%.

Финансы

По нашим данным, уже 28% компаний из разных сфер внедрили и активно используют аналитику на основе больших данных. Предприятия финансового сектора входят в число лидеров по работе с этими технологиями. По сути, сегодня работа с данными для банков — единственная возможность конкурировать друг с другом. Когда все предлагают примерно одинаковые продукты, главное, что может удержать клиента, — сервис, а четкий и своевременный анализ рисков позволит увеличить маржинальность бизнеса. 

Также российские банки используют данные для оптимального управления клиентской базой, оценки степени риска заемщика и расчета процентной ставки, подготовки онлайн-отчетности, фрод-мониторинга, обработки обратной связи от клиентов и разработки рекомендательных алгоритмов.

По оценкам Т-Банка, работа с их хранилищем данных, которое уже превышает 18 ПБ, позволила улучшить ряд бизнес-показателей. Например, с помощью предзаполнения заявок на оформление кредитной карты удалось на 10% увеличить конверсию в ее получение. Другой инструмент — «Граф друзей» — помог на 5% увеличить конверсию в оформление продуктов по рекомендации близких, а блокировка нежелательных звонков — защитить более 200 млн рублей клиентов от мошенников.

Страхование

Страховые компании заинтересованы в том, чтобы предоставлять клиентам комплексные предложения и учитывать в них все риски. А чтобы корректно оценивать риски, нужно видеть единый портрет клиента: чем лучше он рассчитан, тем точнее компания может предоставить страховую ставку для конкретного пользователя.

Для этого страховые компании используют технологии для работы с большими объемами данных, собирают их из разных источников и применяют сложные алгоритмы. При таком подходе есть выгода и для конечных пользователей продуктов: они могут получить более выгодные условия по страхованию, а затем ускоренное возмещение, что повышает уровень сервиса и лояльность клиента.

Промышленность и энергетика

Промышленность остается консервативной отраслью: работа с большими данными в ней ведется не так активно, как в финансах или ритейле. В этих сферах такая сильная конкуренция, что лишь оперативное внедрение новых технологий дает игрокам возможность бороться за эффективность своего бизнеса. При этом объем цифровой информации, которую производит промышленная компания в сутки, составляет ~ 2 ТБ, и 95% данных из него не используется.

Большинство производственных компаний понимают ценность управления данными. Согласно нашему опросу, 34% представителей реального сектора уже сейчас внедряют в своих организациях продукты по работе с данными. 24% опрошенных основной целью подобных проектов называют увеличение прибыли компании.

Решения по работе с данными помогают промышленным предприятиям в первую очередь реализовывать задачи Predictive Maintenance — обслуживание дорогостоящего оборудования и транспорта с помощью предсказательных алгоритмов, когда ремонты проводятся не по регламенту, а на основании предсказания выхода из строя. Такие процессы позволяют оптимизировать ресурсы и повышать эффективность работы предприятия. Так, сокращение времени простоя оборудования может составить до 50%, а прирост производительности технических функций, благодаря автоматизации и безопасности труда, может составить до 45–55%.

Также использование данных на производстве помогает контролировать безопасность труда и снижать количество несчастных случаев на производстве за счет контроля доступа и состояния здоровья сотрудников в реальном времени.

Транспорт

Транспортные, логистические компании и курьерские службы довольно активно внедряют в свою работу инструменты для работы с большими данными. С их помощью они выстраивают оптимальные маршруты, анализируют эксплуатацию транспортных средств, их износ, использование погрузочного пространства.

Технологии по работе с данными помогают компаниям в этой сфере контролировать операционную деятельность, создавать эффективные цепочки доставок и маршрутные сети, управлять доходностью, прогнозировать устойчивость систем и процессов.

Примеры компаний, активно работающих с данными

Рассмотрим несколько реальных примеров компаний, которые уже используют аналитику данных. Например, ранее получение кредита требовало от клиента предоставления обширного пакета документов, который оценивался банком в течение нескольких недель. Сегодня же процесс значительно упростился: клиент заполняет онлайн-заявку, информация из «Госуслуг» интегрируется автоматически, а средства зачисляются на счет в течение нескольких минут. Эти изменения стали возможны благодаря использованию аналитических платформ.

На них данные синхронизируются между всеми банковскими системами. Так, клиент может обратиться в любое подразделение банка, его легко идентифицируют и проконсультируют по интересующим вопросам. Это также достигается за счет надлежащей обработки и передачи данных через такие платформы. В итоге стоимость владения решением и вывода новых продуктов на рынок сокращается в два раза, а срок формирования отчета — в шесть раз.

Другой пример — управление программами лояльности в рознице. Ритейлеры регулярно предлагают покупателям карты или регистрацию номеров телефонов для участия в программах лояльности. Они позволяют рознице собирать ценные данные о клиентах: историю покупок, периодичность посещений, брендовые предпочтения. Анализ этих данных служит основой для проведения промо, оптимизации ценообразования, управления ассортиментом, информирования об акциях и предоставления персонализированных скидок и бонусов.

Для обработки этой информации розничные игроки используют специальные решения для работы с данными. На них компании строят аналитические отчеты и прогнозы, которые позволяют максимально эффективно использовать информацию о покупателях, рассчитывать баллы и бонусы для каждого из миллионов клиентов. Так внедрение систем лояльности позволяет выстроить прочные отношения с покупателями, увеличить продажи и укрепить лояльность к бренду.

Еще один пример из сферы телекома: биллинговые системы осуществляют тарификацию услуг операторов и централизованно хранят информацию обо всех абонентах и их тарифах. Системы ежедневно обрабатывают сотни миллионов транзакций, происходящих в реальном времени, и предоставляют абонентам возможность управлять своими услугами, балансом и тарифным планом.

Представим, что у одного оператора может быть несколько таких систем, которые ежедневно производят терабайты новых данных. Чтобы управлять такими объемами информации, операторы объединяют все данные и записи об абонентах в единый профиль. Он позволяет быстро ориентироваться между различными данными и реализовывать омниканальную систему управления профилем абонента. Так, использование специализированных решений сокращает операторам скорость расчета данных по абоненту до менее 1 секунды.

Все эти компании внедрили data-driven-подход — стратегию управления и принятия решений, в которой основой являются данные и их анализ. Для этого компании используют технологические решения на основе машинного обучения, искусственного интеллекта, с помощью которых они собирают, анализируют и интерпретируют большие объемы данных. 

Как внедрить data-driven-подход

Внедрение в бизнес data-driven-подхода — это комплексный процесс, который требует инвестиций в технологии, инфраструктуру и персонал. Необходимо не только собрать данные, но и построить эффективные системы хранения, обработки и анализа информации, а также привлечь специалистов, обладающих соответствующими знаниями и навыками.

Вот несколько советов, которые помогут вам начать работать с данными:

1. Определите цели и задачи. На начальном этапе важно определить, что именно вы хотите получить от данных. Например, улучшение процессов, снижение затрат, увеличение продаж или повышение уровня удовлетворенности клиентов.
2. Наймите квалифицированных специалистов. Как и в любом деле, для успешной работы с данными необходимо иметь команду профессионалов, которые обладают необходимыми навыками и знаниями в области анализа данных и машинного обучения.
3. Соберите необходимые данные. Соберите все доступные данные, которые могут помочь вам достичь поставленных целей и задач. Это могут быть данные о продажах, клиентской базе, поведении покупателей, затратах на производство и т.д.
4. Используйте инструменты анализа данных. На российском рынке существует множество решений для хранения и обработки данных. Выберите подходящий инструмент в зависимости от ваших потребностей, целей и бюджета.
5. Делайте выводы на основе полученных результатов. После анализа данных сделайте выводы и принимайте соответствующие меры для улучшения процессов. 
6. Регулярно отслеживайте прогресс. Чтобы убедиться в том, что ваш data-driven-подход работает эффективно, регулярно отслеживайте прогресс и корректируйте стратегию.

Ключевым фактором успеха является не просто сбор данных, а умение их правильно анализировать и интерпретировать. Мы уверены, что компании, которые оперативно освоят технологии по работе с данными, будут управлять будущим.