<br />
<b>Notice</b>:  Undefined variable: attachment_post_details in <b>/home/customer/www/dtconsult.org/public_html/wp-content/themes/icompany/single.php</b> on line <b>125</b><br />

Читая об аналитике больших данных, особенно о примерах того, как от анализа данных выигрывают такие компании как Google или Amazon, поневоле задаешься вопросом – ну хорошо, а нам, компаниям в Украине, как это может пригодиться? Особенно если компании по популярности, успешности и размеру далеки от вышеуказаных гигантов. На самом деле, путей и способов использования больших данных, в решении проблем бизнеса – невероятное множество. Практически в любой сфере бизеса и у любой компании есть возможность для сбора, анализа и использования больших данных. Примеров того, как компаниями используются данные, собранные из социальных сетей или аналитики посещаемости вебсайтов, очень много, и такие примеры лежат на поверхности. Однако это далеко не все: большие данные находятся и могут применяться везде, от мониторинга производства и определения конкурентоспособности товара до найма персонала и подбора конкретного пакета услуг для каждого клиента.

В любой сфере бизнеса, топ-менеджеры хотят иметь возможность для анализа тенденций и закономерностей, которые скрыты в больших массивах данных, для предсказания результатов, анализа рисков, повышения конкурентоспособности и клиентоориентированности компании. С этой целью бизнесы используют всевозможные источники информации – от системных логов до записей службы поддержки клиентов. В книге BigDataForDummies, Джудит Гурвиц, Алан Нагент и Ферн Халпер пишут о ценности для разных типов бизнеса данных, которые идут непрерывным потоком – другими словами, передаваемых данных, или данных в движении (при финансовых операциях, отправках корреспонденции, снятии показаний с любых приборов и тому подобных). Безусловно, такие данные должны обрабатываться в режиме реального времени, и реакция на них также должна быть незамедлительной. Для этого необходимо понимание контекста этих данных и того, как он соотносится с производительностью, а также понимание природы таких данных и ожидаемых от их анализа результатов. К примеру, производственная компания может с успехом использовать данные, получаемые от сенсоров, для мониторинга чистоты и количества ингредиентов, используемых в процессе производства. С этим вроде бы понятно. Однако бывают ситуации, когда данных накопить можно много, а вот что с ними делать, не совсем понятно – есть информация, но нет конкретного запроса бизнеса на получение из неё результата. Иногда такие данные, в принципе, могут быть не очень полезны для вашего бизнеса. Однако зачастую компании просто не могут свести вместе потенциал своих больших данных и своих бизнес-задач. Вот здесь и открываются огромные перспективы!

В некоторых случаях, компаниям достаточно собрать данные, которые у них уже есть, и начать использовать их с пользой для себя. В других ситуациях компании, проанализировав свои возможности и запросы, начинают собирать те данные, которые ранее по каким-то причинам ими игнорировались (или же собирать большее количество данных, о которых ранее понятие было довольно общее).

К примеру, компании могут извлечь огромную пользу из анализа поступающей к ним текстовой информации (письма и звонки клиентов, заметки службы подержки, блоги, твиты и посты в соцсетях) – такого рода данные есть практически у всех, но их неструктурированность чаще всего подразумевает анализ в ручном режиме, что неэффективно и медленно, и в результате – компания не успевает вовремя среагировать на потребности клиентов. Найти пути и способы своевременного анализа таких данных (то есть специальные решения для аналитики текстовых данных) – значит, дать своей компании громадное преимущество перед теми, кто этого не делает.

Поскольку клиент в современном мире практически всегда имеет выбор между несколькими альтернативами, важно сделать так, чтобы именно ваше предложение было не только самым выгодным и подходящим конкретному человеку или компании, но и чтобы у ваших клиентов была возможность сделать выбор в вашу пользу, используя удобные для них каналы и способы. Все эти элементы конкуретного преимущества – способность определить ценность каждого покупателя и предложить именно то, что ему нужно, основываясь на его потребностях и запросах – могут быть достигнуты с помощью анализа больших данных.

Например, для каких-то компаний полезными станут способы обработки устных сообщений и телефонных разговоров для перевода их в текстовый формат с последующим поиском определенных ключевых слов и фраз (таким образом компании могут быстро уделять внимание первоочередным запросам). Для кого-то важно дать возможность сотрудникам колл-центров быстро получать как можно более полную информацию о каждом звонящем им клиенте, включая возможные запросы (к примеру, если, анализируя данные о звонящем клиенте, сотрудник банка увидит строку о том, что у него есть ребенок, заканчивающий школу, то он может предложить клиенту обсудить оформление кредита на обучение в университете).

Анализ больших данных, особенно тех, которые ранее оставались невостребованными, позволяет компаниям посмотреть на свой бизнес с новой точки зрения и найти новые подходы, углубляя свое понимание о рынке, клиентах и рисках.