BIg Data в российском телекоме

На днях в Москве состоялась конференция, посвященная теме Big Data. В ее рамках обсудили развитие данного направления в мире и сравнили с текущим положением дел в России. Наша страна, конечно, еще не может похвастать серьезными цифрами в этой сфере - из общего объема рынка, который по итогам 2015 года должен составиьт $33,3 млрд, на Россию придется лишь порядка $300 млн. Тем не менее, темпы роста по bid gata у нас стремительно растут, опережая общерыночные. Поэтому уже в перспективе нескольких лет наша доля на мировой арене может вырасти с текущих 1,2% до 3%.   По словам Кирилла Чистова, директора по развитию бизнеса компании DCA (Data-Centric Alliance), сегодня на рынке присутствует 12 узкоспециализированных поставщиков обезличенных данных.   Еще две компании, предлагающие решения и услуги в этой области, стали в 2015 г. объектами M&A-сделок, передает портал "ИСК-Медиа". Так, Сбербанк России приобрел Segmento, разработчика алгоритмических решений для управления рекламными кампаниями в интернете, а "Ростелеком" — 75% акций компании "Айкумен ИБС", производителя и поставщика, специализирующегося на разработке и внедрении средств интеллектуального анализа данных.   К предоставлению услуг Big Data корпоративным клиентам приступили и операторы связи. В 2015 г. они перешли от использования накопленных "больших данных" о поведении абонентов для повышения эффективности ключевых функций собственного бизнеса к освоению рынка услуг на базе аналитики Big Data. Как показывают данные исследования компании Ericsson, такие услуги уже предлагают операторы связи за рубежом, используя уникальные данные о местоположении абонентов и о паттернах их перемещения, собственные данные о потребительских сегментах, а также глубокое понимание поведения целевой аудитории.   В России выход операторов сотовой связи в роли поставщиков обезличенных данных абонентских профилей, отмечает Кирилл Чистов, поспособствовал формированию открытой экономики с понятными механизмами ценообразования, очерченными ролями игроков, прозрачными процессами.   И большие, и узкоспециализированные игроки рынка "больших данных" сегодня занимаются стандартизацией собственных услуг — выработкой подходов, определяющих, как такие данные продавать, по каким критериям оценивать. Стандартное предложение включает в себя набор инструментов для извлечения пользы из Big Data, "сырье", то есть сами обезличенные данные, услуги аналитиков по доработке моделей заказчика, другие консалтинговые услуги. Оно пользуется спросом у компаний самой разной отраслевой принадлежности, от банков, которые используют данные о поведении клиентов в интернете для обучения своих моделей онлайн-скоринга до фармацевтических и туристических компаний.   На рынке интернет-рекламы активное использование "больших данных" привело к появлению в традиционной цепочке "рекламодатель — медиа—покупатель" посредника — поставщика платформы для сегментации пользователей и аналитики покупательского поведения, позволяющей управлять данными.   Денис Кусков, генеральный директор ИАА TelecomDaily, приводит прогноз, согласно которому объем российского рынка Big Data по итогам 2015 г. составит около $500 млн и продолжит свой рост до 2019 г., когда достигнет $1,7 млрд, то есть 3% в объеме глобального рынка Big Data.   Впрочем, для оправдания больших надежд аналитиков российскому рынку "больших данных" требуются три фактора: стабильная экономическая ситуация, появление новых успешных кейсов использования "больших данных" и сохранение нынешнего подхода к регулированию, базирующемуся на действующих нормативно-правовых документах   Поскольку конференция касалась темы big data в целом, а не телевизионного сегмента, мы попросили представителей компании DTA поделиться с нами информацией по    Кабельщик: Какое количество ТВ-операторов уже сейчас активно использует в своей работе big data?    Кирилл Чистов: Насколько нам известно, аудиторные данные и различные платформы для их обработки для оптимизации бизнес-процессов и повышения отдачи от маркетинга уже используют почти все крупные провайдеры ШПД и цифрового ТВ, включая Nemo TV, Tvigle, "Триколор" и других. Степень активности внедрения и использования, однако, определить сложно.   К.: Из всего объема собираемых оператором данных, какое количество, как правило, используется в конечном счете для работы (условно, из 70 собранных параметров, для дальнейшего анализа важны и используются только 20)?   К.Чистов: Сложно сказать, какой объем собираемых данных используется для дальнейшего анализа, сегодня потоки данных растут в геометрической прогрессии, но основная их часть попросту не может быть использована в существующих моделях обработки.    Тем не менее, Паретто чаще всего прав (±20% данных дают ±80% эффекта), но не всегда заранее очевидно, какие именно данные принесут пользу. Многое зависит от объема и актуальности данных, дополнительных (в т.ч. внешних) факторов. Кроме того, операторам и провайдерам сегодня все интереснее обогащать свои данные внешними — например, данными о поведении пользователей в Сети с последующей "связкой" с абонентской базой на своей стороне. Таким образом, в распоряжении компании оказывается не просто информация о том, как абонент использует сервис, но и о его интересах и других поведенческих характеристиках. Чем полнее интегральный профиль абонента, тем лучше компания понимает, что ему нужно, тем эффективнее строится коммуникация с ним.    К.: А в каком направлении сейчас чаще всего используются собираемые данные — для маркетинговых акций, формирования пакетов, попыток персонализировать сервис, рекламы, чего-то иного?   К.Чистов: У всех операторов и провайдеров есть две ключевых задачи: сокращать отток и повышать ARPU. Именно здесь оказываются полезными технологии обработки данных (платформы и IT-решения) и внешние данные (как "сырье" для этих платформ). Платформы для предиктивной аналитики, на основе данных оператора и внешних данных, анализируют поведенческие паттерны абонентов, сегментируют их, выделяя постоянных и лояльных, тех, кто уже в поиске новых решений для себя, и группу риска, например. Первым можно сделать небольшой бонус за лояльность, вторым предложить новое решение, аналогичное текущим рыночным или лучше, а группу риска исследовать детальнее, для выявления очевидных моделей взаимодействия.    Работа предиктивной аналитики строится по принципу выявления "триггеров" — событий, отражающих намерения абонента: "заходил на 3-5 сайтов других провайдеров за последнюю неделю" — высока вероятность ухода к конкуренту, "стал меньше взаимодействовать с сервисом" — возможно, нужна альтернатива или упало качество. В обоих случаях, зная заранее, провайдер может предпринять меры по удержанию абонента.   С повышением ARPU логика та же: "триггер" указывает на готовность/необходимость дополнительных услуг, маркетинг формирует индивидуальное предложение, отдел продаж/колл-центр связывается с абонентом и завершает сделку.    К.: Есть ли оценка, какие деньги за последние год-два операторы потратили на big data? "Ростелеком", например, недавно объявил о создании собственного техцентра в сфере big data.   К.Чистов: Точных цифр нет: рынок Big Data очень слабо очерчен, особенно в России. Тем мне менее, с высокой долей уверенности могу сказать, что в сумме (системы хранения + ПО + сервис + содержание штата аналитиков и консультантов) уже сегодня составляют не менее $200M. Но только в последний год эти расходы стали выделяться в отдельную статью с намеком на "Большие Данные" в формулировке.   К.: А что по поводу использования "больших данных" онлайн-кинотетарами? Эта тот сегмент, который не в меньшей, а то и в большей степени заинтересован в big data.   К.Чистов: Если говорить про digital-медиа, к которым относятся как раз онлайн-кинотеатры, то здесь аудиторные данные применяются, например, таким образом:    Персонализация. Зная о предпочтениях и интересах пользователя можно, например, полностью адаптировать под каждого главную страницу — наполнив ее контентом, который будет интересен и востребован именно таким пользователем. Это очевидная история, многие медиа уже так делают. Но как быть, если пользователь пришел к вам впервые, и вы о нем ничего не знаете? Можно подключить так называемые внешние данные — от какого-нибудь агрегатора, типа Facetz.DCA. Система аналитики в течение сотых доли секунды определяет интересы только что пришедшего пользователя и оптимизирует выдаваемый ему контент. Зритель получает персонализацию сервиса с первой секунды общения, а сайт — большее количество просмотров и продаж контента.    Анализ аудитории. Очень подробная сегментация аудитории позволяет тем медиа, кто работает по рекламной модели более таргетированно ее продавать, а тем, кто продает контент) — понять, кто те люди, которые его покупают и как строить с ними отношения.    У ряда интернет-кинотеатров ведется работа по анализу данных смотрения для выявления определенных закономерностей роста популярности того или иного контента и планирования его будущих закупок. Контент стоит достаточно больших денег и в случае провала в просмотрах появляются большие риски недополучения рекламных бюджетов. Это направление достаточно новое и сложно прогнозируемое, так как зависит от эмоциональной составляющей, но несмотря на это, привлекает все больше внимания.   К.: Спасибо! Ссылка на источник