Лидерами в использовании больших данных являются ИТ-компании, телеком и банки, но эксперты уверены: перспективы применения big data гораздо шире. Более того: уже есть не только интерес со стороны представителей других отраслей, но и доказавшие эффективность кейсы. О том, как уже сейчас можно монетизировать большие данные — в интервью РБК+ рассказал директор МТС в Санкт-Петербурге и Ленинградской области Павел Коротин.
Перспективные направления
— Есть популярная фраза: «данные — это новая нефть». Звучит красиво, но все ли данные одинаково нужны и полезны?
— В мире накоплено огромное количество данных, и их ценность пока нами до конца не определена. Дело в том, что количество данных и метрик, которые можно отслеживать, безгранично. К примеру, если 10 лет назад мы собирали данные о наших абонентах по десяткам метрик, то на текущий момент их уже сотни. Мы понимаем, насколько часто человек использует сотовую связь, как платит, с какой периодичностью, выезжает ли за границу и многое, многое другое. Сейчас сложность — найти баланс между количеством метрик, их достаточностью и пользой — это вызов, который стоит перед всей отраслью. Но запрос на big data аналитику растет кратно каждый год: клиенты лучше понимают, какой эффект хотят получить от аналитики, а поставщики учатся понимать, что именно хочет клиент, какие его основные задачи и метрики, какую гипотезу нужно подтвердить или опровергнуть.
«Если 10 лет назад мы собирали данные о наших абонентах по десяткам метрик, то на текущий момент их уже сотни».
— Аналитики отмечают, что сдерживающим развитие рынка big data фактором является отсутствие большого количества кейсов. В каких отраслях, на ваш взгляд, более применимы большие данные с учетом технологий и умения анализировать их?
— Наибольший эффект, конечно же, дает реклама. Но я хотел бы сделать акцент на перспективных направлениях. Одно из них — рекомендательные модели. Они применяются в интернет-торговле и онлайн-развлечениях. Возьмем для примера онлайн-кинотеатры. В среднем зритель теряет интерес к платформе через 1-1,5 минуты после начала поиска. За это время он успевает пробежать глазами 15 фильмов и кликнуть на пару-тройку, чтобы прочитать описание. Рекомендации позволяют увеличить количество просмотров и продолжительность смотрения. Мы это видим на примере нашего онлайн-кинотеатра KION: в 2021 году пользователи в 1,5 раза чаще находили интересный контент на вкладке рекомендаций и провели за просмотром фильмов на 30% больше времени.
Еще одно направление, которое будет активно развиваться, — скоринг или, грубо говоря, это «оценка» клиента по ряду параметров. Он распространен в банкинге и страховании. В ближайшем будущем появятся и новые, более точные модели прогнозирования, и новые решения — например, позволяющие оценивать надежность контрагента или пользователя шеринговых сервисов.
Ну и третье, не менее перспективное направление, — это аналитика больших данных в туризме. Здесь данные позволяют объективно оценить турпоток, с учетом транзитных туристов и путешественников, которые приезжают на своих машинах, понять точки концентрации туристов и создать портрет гостей региона.
Измерить турпоток
— Говоря о туризме, только в прошлом году, по данным Ассоциации туроператоров России, внутренний турпоток вырос на треть. Увеличился ли интерес к туристической аналитике?
— Да, в 2021 году количество заказов на геоаналитику от региональных властей удвоилось. К примеру, в Самарской области департамент туризма проанализировал, из каких регионов чаще приезжают туристы, оценил сезонность и продолжительность поездок и вместе с департаментом транспорта запустил программу субсидирования авиабилетов для туристов из Калининградской области.
Другой пример — Петербург. Здесь формируется большой запрос со стороны представителей туристической отрасли, а также кафе, ресторанов и правительства города. Дело в том, что трудно прогнозировать количество туристов, имея малое количество метрик или располагая данными только про забронированные номера или проданные авиа— или ж/д билеты. Целесообразно смотреть на это шире, опираясь на большие данные. Сотовые операторы видят всех клиентов, которые добираются в Петербург любым способом. Ведь, к примеру, те, кто приезжает на своей машине, не будут учтены, если анализируются только авиабилеты. А если путешественник еще и снял квартиру, а не номер в отеле, то с большой вероятностью он не попадет в категорию туристов. Данные операторов позволяют «найти» всех приезжающих из других регионов. Администрация города и тот бизнес, который связан с туристическими потоками, могут использовать эти данные, чтобы повысить свою эффективность.
— Речь исключительно про точность оценок турпотока, или эти данные могут показать что-то еще?
— Наша геоаналитическая система может не только «считать» турпоток, но и анализировать его. Мы можем оценить, из каких регионов приезжали туристы, сколько времени длилась поездка, какие места они посещают и, главное, что за люди приезжают в регион. Это, например, семьи с детьми с высоким доходом или молодые активные студенты с ограниченным бюджетом.
Кроме того, мы можем на основе данных смотреть на развитие туризма в целом по стране. Например, в марте мы увидели неожиданно большой спрос на туристические услуги в северных регионах страны — в Архангельске, Мурманске, Карелии. Это неочевидный тренд, который трудно было бы увидеть, не имея под рукой такого аналитического инструмента.
«Мы можем на основе данных смотреть на развитие туризма в целом по стране. Например, в марте мы увидели неожиданно большой спрос на туристические услуги в северных регионах страны — в Архангельске, Мурманске, Карелии».
Еще один пример — культурные мероприятия под открытым небом, которые проходят в Петербурге. Очень трудно учесть количество посетителей, половозрастной состав и интересы аудитории, а геоаналитика позволяет это делать, даже если нет физических барьеров и зон доступа. Данные позволят заказчикам планировать следующие мероприятия уже с учетом данных о количестве и интересах пользователей, а заодно более эффективно запускать рекламу и привлекать партнеров.
Решения на основе больших данных
— Сами вы используете big data?
— Безусловно. Мы сначала для себя определили, в чем данные могут нам помочь: оказалось, на основе информации мы можем развивать нашу сеть, оптимизировать ретейл, улучшать сервисы для абонентов. Например, если перед нами встает вопрос, где именно открывать салон сотовой связи, мы можем посмотреть, где сосредоточено определенное количество абонентов, выясняем, одни и те же это абоненты или они меняются, можно ли утверждать с определенной долей вероятности, что эти абоненты живут в этом районе, или речь идет про транзитный трафик и т.д. По совокупности факторов мы принимаем решение. Те салоны, которые открыты с опорой на модели больших данных, гораздо эффективнее.
Другой вариант — развитие инфраструктуры. Мы изучаем данные о том, где абоненты теряют связь, где заканчивается покрытие сети, сколько абонентов лишаются из-за этого сервиса, каковы планы по развитию тех или иных территорий. Это позволяет нам планировать очень консистентное, ровное покрытие с должным качеством связи.
— Большие данные, которые помогают выбирать оптимальное положение салонов, компания продает тем, у кого так же остро стоит вопрос выбора локации?
— Коммерческая составляющая для нас, безусловно, интересна, так что если есть запрос, мы продаем. В основном геоаналитика интересна сетевым магазинам и банкам — наши аналитики анализируют возможные локации и определяют, какая из них будет более эффективной.
Но еще более востребованная услуга для бизнеса — таргетированная реклама на основе больших данных. Таргетированная реклама на узкую аудиторию работает значительно лучше, чем массовая рассылка. Приведу пример: к нам пришел дейтинговый сервис и попросил запустить рекламу на максимально широкую аудиторию. Конверсия составила 8%. Мы предложили дополнительно сделать более узкий таргет по интересу к знакомствам на основе big data, и конверсия выросла до 22%.
Поэтому спрос на таргетированную рекламу растет каждый год. Учитывая, что денег у бизнеса становится все меньше, а стоимость продвижения растет, попадать в свою аудиторию с наименьшими издержками — важная задача для бизнеса любого размера. Не нужно рассылать миллион сообщений, чтобы попасть в 100 представителей целевой аудитории — благодаря big data можно разослать 150 сообщений и охватить те же 100 потенциальных клиентов.
— Люди боятся, что большие данные — это вмешательство в их частную жизнь. Насколько опасения оправданы?
— Продавать «сырые» данные нельзя — у нас есть закон о защите персональных данных. Никто не хочет быть объектом для продажи. Поэтому big data работает с обезличенными данными, а мы продаем клиенту сервис, а не сырые данные в таблице. Если кто-то хочет понять, какое количество туристов приезжает в Петербург, мы стараемся определить, какую территорию необходимо учитывать, кого считать туристом, какова цель исследования и т.д. Мы считаем, что продажа продукта big data должна нести в себе какой-то вывод, информацию к побуждению, управленческому решению. И грош цена тем данным, которые этому не способствуют. Например, данные о том, что в Африке уродилось 120 тонн бананов, дают мало информации для принятия решений. А если определена динамика, выявлена географическая специфика и т.д. — тогда эти данные принесут пользу.
— Данные остаются у компании, но как они защищаются?
— Мы очень много внимания уделяем вопросам кибербезопасности. Кроме того, даже используя big data, чтобы делать какие-то выводы, мы не работаем с персональными данными конкретных клиентов. Мы делаем выводы на основе совокупности обезличенных групп людей, схожих по определенным критериям. Никто не сможет из этой группы людей вычленить какие-то персональные тренды. Это своего рода гарантия того, что отрасль будет развиваться.
