Там, где заканчивается Excel, начинаются большие массивы данных и возникает необходимость разработки новых методов и инструментов для хранения и анализа информации. Директор по управлению данными X5 Tech Тигран Саркисов объясняет, почему работа с ними становится важной для любого бизнеса и как данные используются в ритейле.
Зачем бизнесу нужны навыки по управлению данными
Для многих крупных компаний создание подразделений по работе с данными стало естественным циклом развития. Сначала появляются инструменты, которые приносят пользу «здесь и сейчас» и решают отдельные задачи. Далее инструменты собираются в аналитическую платформу, которую характеризует системный подход к сбору, очистке и переиспользованию данных. В этом процессе могут быть задействованы сотни специалистов в области анализа и подготовки данных. Отдельной задачей становится наем и удержание такого количества экспертов. Результат этого трудоемкого и дорогостоящего процесса — создание децентрализованной системы, с которой непосредственно работают бизнес-эксперты.
В Х5 с Big Data работают более 13 тысяч сотрудников — их количество за прошедшие два года удвоилось. При этом каждый второй научился самостоятельно работать с аналитикой. Мы понимаем, что компании предстоит пройти большой путь, чтобы обучить этих сотрудников не просто пользоваться готовыми аналитическими инструментами, а вырастить из них «гражданских дата-cайентистов», которые умеют формулировать гипотезы и мыслят работой модели.
Big Data в разных сферах бизнеса
Для любого бизнеса доступен data-driven-подход, который основан на использовании данных для принятия решений, но выбор конкретных инструментов зависит от уровня цифровой зрелости компании. Из-за высоких затрат на инфраструктуру и IT-специалистов раньше только крупные компании работали с большими массивами данных. Сейчас законодательные и технические ограничения на применение новейших IT-решений значительно снижаются, поэтому фирмы чаще внедряют data-driven культуру. Компании в сфере телекоммуникаций (МТС, «Билайн») и банки («Сбер», Альфа-банк) были пионерами в России в применении методов анализа больших данных (Big Data).
Применение данных способно повлиять на разные показатели: от производительности до прибыли. Например, в МТС был проведен эксперимент, в ходе которого на две недели отказались от использования алгоритмов, чтобы продемонстрировать важность данных. В онлайн-кинотеатре Kion специалисты заменили одну из рекомендуемых полок, основанных на искусственном интеллекте, на ручные подборки. Это привело к заметному снижению просмотров: до эксперимента полка обеспечивала около 400 тыс. часов просмотров в месяц, в то время как в ручном режиме этот показатель составил всего 290 тыс.
Управление данными применяют и в более консервативных отраслях, например в сельском хозяйстве. «Агросигнал», платформа управления агробизнесом, использует данные об оптимальной температуре почвы для обработки химическими препаратами. Это помогает специалистам избежать потерь урожая и возможных финансовых убытков. По оценкам компании, сбор и анализ данных, а также использование экспертных моделей могут увеличить рентабельность на 25%, а производительность — вдвое. Анализ процессов сокращает простои и позволяет оперативно реагировать на риски, что приводит к увеличению урожайности на 15%.
Управление данными — иными словами data-driven-подход — не заканчивается на сборе данных и построении из них моделей. Следующий этап — model-driven, когда принятие решений происходит на основе стандартизированных моделей, разработанных с помощью машинного обучения. Этот подход предполагает управление ключевыми бизнес-метриками через взаимодействие с готовыми моделями, человек фактически исключается из процесса принятия операционных решений. Сегодня такое можно встретить в FoodTech, где происходит динамическое ценообразование, управление клиентским приложением, доставка. Х5 уже находится на пути внедрения model-driven-подхода, который также требует высокого уровня компетенции по работе с данными у руководителей бизнес-подразделений.
В России есть компании, которые достигли хороших результатов в развитии цифровых компетенций у руководителей. В некоторых уже сформированы программы по оценке их уровня. Например, холдинг «Евраз» запустил проект для развития навыков по работе с данными для менеджеров и инженеров. Он призван научить сотрудников, занятых в производстве, анализировать информацию, искать закономерности, которые неочевидны, и делать из этого выводы.
Особенности работы с данными в ритейле
В ритейле, как однажды высказался наш конкурент, «уснул — съели», поэтому розничная торговля входит в топ-3 индустрий по технологичности и применению ИИ. При этом чем больше у бизнеса точек, тем важнее анализировать информацию и применять выводы в работе.
Например, данные помогают прогнозировать успешность магазина в конкретной локации, понимать спрос и формировать ассортимент с учетом потребностей домохозяйства, своевременно доставлять продукты в магазин. Для этого используется большой объем данных, как внутренних, так и внешних. Например:
- Профиль домохозяйств (соц-дем, платежеспособность и др)
- Данные о трафике (пешеходном, автомобильном)
- Данные о погоде
- Данные об ассортименте
В магазинах X5 Group схемы выкладки товаров генерируются автоматически с учетом свойств торгового оборудования, предпочтений покупателей, данных об истории продаж отдельных категорий и многих других факторов.
Анализ больших данных позволяет лучше понять целевую аудиторию. Так, например, работает формат товарных рекомендаций: «вам может быть интересно» или «с этим товаром покупают». Такой анализ прошлых покупок и предпочтений помогает выстроить более тесную связь с клиентом и повысить его лояльность к бренду.
В заключение
Компаниям важно научиться анализировать данные, чтобы повысить эффективность всего бизнеса. Для этого нужно изменить культуру принятия решений, сделав работу с данными постоянным процессом. Руководители должны понимать, что успех зависит от качества и степени интеграции данных и бизнес-команд.
Сейчас мы видим, как многие крупные компании трансформируют свои подходы: от работы с отчетностью, где анализируются отдельные метрики, к моделецентричным, где проводится более комплексный анализ и моделирование основных бизнес-показателей. Более того, мы постепенно переходим к тому состоянию, когда бизнес не просто строит модели на основе данных, а мыслит этими моделями.
Источник: ko.ru