Большие данные не работают в старых бизнес-процессах

- КиТ :: Будь в СЕТИ!

В больших данных есть классические три V: большие объемы (Volume) неструктурированной или слабо структурированной информации (Veriety), которая быстро накапливается и требует быстрой обработки (Velocity). К ним добавились еще две: Veracity – достоверность, и Value – ценность. То есть данные нужно уметь правильно интерпретировать и они должны нести ценность для бизнеса. Об этом говорил Владимир Громов, руководитель направления ДИТ «Ренессанс Кредит»: «Наибольший интерес бизнеса вызывает использование больших данных в программах целевого маркетинга, и «Ренессанс Кредит» здесь не исключение. Эти технологии отработаны и они дают бизнес-результат, никто сегодня не будет вкладываться в обкатку новых решений, не имея понимания, сколько денег компания на этом заработает. Почему сейчас банкам так интересен именно целевой маркетинг? Потому что он позволяет повысить эффективность продаж существующим клиентам на уже поделенном рынке в условиях ограничений ЦБ РФ по ПСК и доминирования дорогих каналов привлечения». В частности, таким способом банк решает задачу увеличения кросс-продаж кредитных карт и кредитов наличными, контактируя только с теми клиентами, которые вероятнее всего откликнутся, и предлагая им тот продукт, который ими более востребован.

Вот для чего нужны соцсети на работе

Директор по маркетинговым коммуникациям Brand Analytics Василий Черный рассказал, почему компаниям важна аналитика социальных сетей: «Если бизнес заказывает аналитику социальных медиа, то это не «проект», это – нормальная плановая работа. Соцсети стали слишком критичными для В2С, особенно это заметно в кризисное время. Все бренды строятся на лояльности клиентов, и, если вы не контролируете соцсети, то на вас влияют дополнительные риски.

Должно быть так: запустили рекламу на ТВ, сразу же в реальном времени отследили реакцию потребителей, оценили, работает она или нужно вносить коррективы. Поэтому соцсети сегодня контролируют все, кто может: маркетинг, пиар, клиентский сервис».

Пример отчета системы анализа соцсетей

Источник:  Brand Analytics, 2016

Он, как и предыдущий докладчик, указал, что для машинного анализа соцсетей необходимы инструменты определения тональности высказываний. В качестве примера такого решения Василий Черный привел разработку его компании Eureka Engine – это система лингвистического анализа текстов модульного типа, позволяющая извлекать новые знания и факты из неструктурированных данных больших объемов.

Существует известная проблема – многие люди набираются поверхностного опыта, поскольку «тонут» в море информации. Только за 2014 год в мире медиавещание велось с суммарной скоростью 214 ТБ в секунду. Человек не может усвоить всю поступающую информацию, и поэтому у него складывается своеобразное мнение об окружающем мире. К чему это приводит и как влияет на бизнес-анализ, рассказал директор по развитию систем аналитики и отчетности банка «Открытие» Алексей Благирев: «Информационные системы собирают громадные массивы данных о бизнесе, но мы можем анализировать эту информацию только через призму собственных представлений о нем. У всех специалистов сложились разные подходы к базам данных и разное понимание, как они должны строиться. В результате реальный бизнес может сильно отличаться от той картины, которая видна на аналитических срезах. Как с этим бороться? Мы решили кластеризировать всю информацию для упрощения исследований и однозначного понимания того, что содержится в базе».

ПодпискаБудь в СЕТИ! Новости социальных сетей - всегда актуальное
 
Группы: ВК | OK | Tg