데이터와 같은 수용: 기업이 빅 데이터로부터 이익을 얻는 방법

기업은 빅 데이터를 분석하여 숨겨진 패턴을 발견하고 비즈니스 성과를 개선하는 방법을 배웁니다. 방향은 유행이지만 빅데이터와 함께 일하는 문화가 부족해서 모두가 빅데이터의 혜택을 받을 수 있는 것은 아닙니다.

“사람의 이름이 일반적일수록 제때 지불할 가능성이 높아집니다. 집의 층이 많을수록 통계적으로 더 나은 대출자입니다. 조디악의 표시는 환불 가능성에 거의 영향을 미치지 않지만 심리 유형은 상당한 영향을 미칩니다.”라고 Home Credit Bank의 분석가 Stanislav Duzhinsky는 차용인 행동의 예기치 않은 패턴에 대해 말합니다. 그는 이러한 패턴 중 많은 부분을 설명하지는 않습니다. 이러한 패턴은 수천 개의 고객 프로필을 처리하는 인공 지능에 의해 드러났습니다.

이것이 바로 빅 데이터 분석의 힘입니다. 엄청난 양의 비정형 데이터를 분석하여 프로그램은 가장 현명한 인간 분석가도 알지 못하는 많은 상관 관계를 발견할 수 있습니다. 모든 회사는 직원, 고객, 파트너, 경쟁사에 대한 엄청난 양의 비정형 데이터(빅 데이터)를 보유하고 있으며, 이는 판촉 효과 개선, 매출 성장 달성, 직원 이직률 감소 등 비즈니스 이점을 위해 사용할 수 있습니다.

CIS의 Deloitte Technology Integration Group 이사인 Rafail Miftakhov는 빅 데이터를 처음으로 사용한 사람들은 대규모 기술 및 통신 회사, 금융 기관 및 소매업체라고 말했습니다. 이제 많은 산업 분야에서 그러한 솔루션에 대한 관심이 있습니다. 기업은 무엇을 달성했습니까? 그리고 빅 데이터 분석은 항상 가치 있는 결론으로 ​​이어지나요?

은행은 주로 고객 경험을 개선하고 비용을 최적화하며 위험을 관리하고 사기를 방지하기 위해 빅 데이터 알고리즘을 사용합니다. "최근 몇 년 동안 빅 데이터 분석 분야에서 진정한 혁명이 일어났습니다."라고 Duzhinsky는 말합니다. "머신 러닝을 사용하면 대출 불이행 가능성을 훨씬 더 정확하게 예측할 수 있습니다. 은행의 연체율은 3,9%에 불과합니다." 비교를 위해 중앙 은행에 따르면 1년 2019월 90일 현재 개인에게 발행된 대출 중 5일 이상 연체된 대출의 비율은 XNUMX%였습니다.

마이크로 파이낸스 조직조차도 빅 데이터 연구에 당황합니다. 온라인 대출 플랫폼인 Webbankir의 CEO인 Andrey Ponomarev는 “오늘날 빅 데이터를 분석하지 않고 금융 서비스를 제공하는 것은 숫자 없이 수학을 하는 것과 같습니다. "우리는 고객이나 그의 여권을 보지 않고 온라인으로 돈을 발행하며, 전통적인 대출과 달리 사람의 지불 능력을 평가할 뿐만 아니라 그의 성격도 식별해야 합니다."

이제 회사의 데이터베이스는 500명 이상의 고객에 대한 정보를 저장합니다. 각각의 새로운 애플리케이션은 약 800개의 매개변수에서 이 데이터로 분석됩니다. 이 프로그램은 성별, 연령, 결혼 여부 및 신용 기록뿐만 아니라 사람이 플랫폼에 들어간 장치, 사이트에서 행동한 방식도 고려합니다. 예를 들어, 잠재적 차용인이 대출 계산기를 사용하지 않았거나 대출 조건에 대해 문의하지 않았다는 사실이 놀라울 수 있습니다. Ponomarev는 "19세 미만의 사람에게 대출을 제공하지 않는다는 몇 가지 중지 요인을 제외하고는 이러한 매개변수 자체가 대출을 거부하거나 동의하는 이유가 되지 않습니다."라고 설명합니다. 중요한 것은 요인들의 조합입니다. 95%의 사례에서 인수 부서의 전문가 참여 없이 자동으로 결정이 내려집니다.

빅 데이터 분석을 통해 흥미로운 패턴을 도출할 수 있다고 Ponomarev는 말합니다. 예를 들어, iPhone 사용자는 Android 기기 소유자보다 더 엄격한 차용자임이 밝혀졌습니다. 전자는 애플리케이션 승인을 1,7배 더 자주 받습니다. Ponomarev는 "군인이 일반 대출자보다 거의 10분의 XNUMX 정도 덜 자주 대출금을 상환하지 않는다는 사실은 놀라운 일이 아닙니다."라고 말했습니다. "그러나 학생들은 일반적으로 의무가 없을 것으로 예상되지만 한편 신용 불이행 사례는 기본 평균보다 XNUMX% 덜 일반적입니다."

빅 데이터 연구를 통해 보험사도 점수를 매길 수 있습니다. 2016년에 설립된 IDX는 문서의 원격 식별 및 온라인 검증에 종사하고 있습니다. 이러한 서비스는 상품 손실을 최소화하는 데 관심이 있는 화물 보험사들 사이에서 수요가 많습니다. 상품 운송을 보장하기 전에 보험사는 운전자의 동의하에 신뢰성을 확인한다고 IDX의 상업 이사 Jan Sloka는 설명합니다. 파트너인 St. Petersburg 회사인 "Risk Control"과 함께 IDX는 운전자의 신원, 여권 데이터 및 권리, 화물 분실 관련 사건 참여 등을 확인할 수 있는 서비스를 개발했습니다. 분석 후 운전자 데이터베이스에서 회사는 "위험 그룹"을 식별했습니다. 최근에 자주 직업을 바꾼 오랜 운전 경험을 가진 30-40 세 운전자 사이에서화물이 손실되는 경우가 가장 많습니다. 또한화물은 서비스 수명이 XNUMX 년을 초과하는 자동차 운전자가 가장 자주 도난당하는 것으로 나타났습니다.

소매업체는 구매할 준비가 된 고객을 식별하고 고객을 사이트나 매장으로 데려오는 가장 효과적인 방법을 결정하는 다른 작업을 수행합니다. 이를 위해 프로그램은 고객 프로필, 개인 계정의 데이터, 구매 내역, 검색어 및 보너스 포인트 사용, 작성을 시작하고 포기한 전자 바구니의 내용을 분석합니다. M.Video-Eldorado 그룹의 데이터 사무소 이사인 Kirill Ivanov는 데이터 분석을 통해 전체 데이터베이스를 분류하고 특정 제안에 관심이 있을 수 있는 잠재적 구매자 그룹을 식별할 수 있다고 말합니다.

예를 들어, 이 프로그램은 무이자 대출, 캐쉬백 또는 할인 프로모션 코드와 같은 서로 다른 마케팅 도구를 선호하는 고객 그룹을 식별합니다. 이러한 구매자는 해당 프로모션이 포함된 이메일 뉴스레터를 받습니다. 편지를 연 사람이 회사 웹 사이트로 이동할 확률이 크게 증가한다고 Ivanov는 말합니다.

데이터 분석을 통해 관련 제품 및 액세서리의 판매를 늘릴 수도 있습니다. 다른 고객의 주문 내역을 처리한 시스템은 구매자에게 선택한 상품과 함께 구매할 상품을 추천합니다. Ivanov에 따르면이 작업 방법을 테스트 한 결과 액세서리 주문 수가 12 % 증가하고 액세서리 회전율이 15 % 증가한 것으로 나타났습니다.

소매업체만이 서비스 품질을 개선하고 판매를 늘리기 위해 노력하는 것은 아닙니다. 작년 여름 MegaFon은 수백만 가입자의 데이터 처리를 기반으로 하는 "스마트" 제안 서비스를 시작했습니다. 그들의 행동을 연구한 후 인공 지능은 관세 내에서 각 고객에 대한 개인적인 제안을 형성하는 방법을 배웠습니다. 예를 들어 프로그램에서 사람이 자신의 장치에서 비디오를 적극적으로 시청하고 있음을 알면 서비스에서 모바일 트래픽 양을 확장하도록 제안합니다. 회사는 사용자의 선호도를 고려하여 가입자에게 인스턴트 메신저 사용, 스트리밍 서비스에서 음악 듣기, 소셜 네트워크에서 채팅 또는 TV 프로그램 시청과 같이 좋아하는 유형의 인터넷 레저에 대한 무제한 트래픽을 제공합니다.

MegaFon의 빅 데이터 분석 책임자인 Vitaly Shcherbakov는 "우리는 구독자의 행동을 분석하고 그들의 관심사가 어떻게 변하고 있는지 이해합니다."라고 설명합니다. "예를 들어, 올해 AliExpress 트래픽은 작년에 비해 1,5배 증가했으며 일반적으로 온라인 의류 매장 방문 횟수는 특정 리소스에 따라 1,2-2배 증가하고 있습니다."

빅 데이터를 사용하는 운영자 작업의 또 다른 예는 실종 아동 및 성인을 검색하기 위한 MegaFon Poisk 플랫폼입니다. 이 시스템은 실종자 위치 근처에 어떤 사람이 있을 수 있는지 분석하고 실종자의 사진과 징후와 함께 정보를 전송합니다. 운영자는 내무부 및 Lisa Alert 조직과 함께 시스템을 개발하고 테스트했습니다. 실종자 오리엔테이션 2 분 이내에 XNUMX 명 이상의 가입자가 수신되어 성공적인 검색 결과의 가능성이 크게 높아집니다.

빅 데이터 분석은 산업 분야에서도 응용 프로그램을 찾았습니다. 여기에서 수요를 예측하고 판매를 계획할 수 있습니다. 따라서 2년 전 Cherkizovo 회사 그룹에서는 가격, 구색, 제품 수량, 판촉, 유통 채널 등 모든 판매 정보를 저장하고 처리할 수 있는 SAP BW 기반 솔루션을 구현했다고 CIO Vladislav Belyaev는 말합니다. 그룹 ” Cherkizovo. 축적된 30TB의 정보 분석을 통해 효과적으로 구색을 구성하고 제품 포트폴리오를 최적화할 수 있을 뿐만 아니라 직원들의 업무도 수월해졌습니다. 예를 들어 일일 판매 보고서를 준비하려면 많은 분석가의 하루 작업이 필요합니다(제품 세그먼트당 두 명). 이제 이 보고서는 로봇에 의해 준비되며 모든 세그먼트에 XNUMX분만 소요됩니다.

Umbrella IT의 CEO인 Stanislav Meshkov는 “산업에서 빅 데이터는 사물 인터넷과 함께 효과적으로 작동합니다. “장비에 장착된 센서의 데이터 분석을 기반으로 동작상의 편차를 파악하고 고장을 예방하고 성능을 예측할 수 있습니다.”

Severstal에서는 빅 데이터의 도움을 받아 부상률을 줄이는 것과 같은 다소 사소한 작업을 해결하려고 노력하고 있습니다. 2019년 회사는 노동 안전 개선 조치에 약 1,1억 루블을 할당했습니다. Severstal은 부상률을 2025%까지 50%(2017년 대비) 줄일 것으로 예상합니다. “반장, 현장소장, 점장 등 일선 관리자가 직원이 특정 작업을 안전하지 않게 수행(산업 현장에서 계단을 오를 때 난간을 잡지 않거나 개인 보호 장비를 모두 착용하지 않음)하는 것을 발견하면 회사의 데이터 분석 부서 책임자인 Boris Voskresensky는 PAB("행동 보안 감사"에서 발췌)라는 특별한 메모를 전했습니다.

한 부서의 PAB 수에 대한 데이터를 분석 한 후 회사 전문가는 이전에 이미 여러 발언을 한 사람과 직전에 병가 또는 휴가 중이던 사람이 안전 규칙을 가장 자주 위반한다는 사실을 발견했습니다. 사건. 휴가 또는 병가에서 돌아온 후 첫 주 위반은 후속 기간보다 두 배 높았습니다: 1 대 0,55%. 그러나 밝혀진 바와 같이 야간 근무는 PAB 통계에 영향을 미치지 않습니다.

회사 관계자는 빅 데이터 처리를 위한 알고리즘을 만드는 것이 작업에서 가장 어려운 부분이 아니라고 말합니다. 이러한 기술이 각 특정 비즈니스의 맥락에서 어떻게 적용될 수 있는지 이해하는 것은 훨씬 더 어렵습니다. 여기에 빅데이터 분야의 전문성을 축적한 회사 애널리스트와 외부 제공업체의 아킬레스건이 놓여 있다.

GoodsForecast의 개발 이사인 Sergey Kotik은 "저는 훌륭한 수학자이지만 비즈니스 프로세스에 대한 필수 이해가 없는 빅 데이터 분석가를 자주 만났습니다."라고 말합니다. 그는 XNUMX년 전 그의 회사가 연방 소매 체인을 위한 수요 예측 경쟁에 참가할 기회를 가졌던 것을 회상합니다. 참가자들이 예측한 모든 상품과 상점에 대해 시범 지역이 선택되었습니다. 그런 다음 예측을 실제 판매와 비교했습니다. XNUMX위는 기계 학습 및 데이터 분석에 대한 전문 지식으로 유명한 러시아 인터넷 거대 기업 중 하나가 차지했습니다. 예측에서 실제 판매와 최소한의 편차를 보였습니다.

그러나 네트워크가 그의 예측을 더 자세히 연구하기 시작했을 때 비즈니스 관점에서 볼 때 절대적으로 받아 들일 수 없다는 것이 밝혀졌습니다. 회사는 체계적이고 절제된 판매 계획을 내놓는 모델을 도입했다. 이 프로그램은 예측 오류 확률을 최소화하는 방법을 알아냈습니다. 최대 오류가 100%(음수 판매 없음)일 수 있기 때문에 판매를 과소 평가하는 것이 더 안전하지만 과잉 예측 방향에서는 임의로 커질 수 있습니다. Kotik이 설명합니다. 즉, 회사는 이상적인 수학적 모델을 제시했으며 실제 상황에서는 매장이 반쯤 비어 있고 판매 부진으로 막대한 손실을 입을 수 있습니다. 결과적으로 다른 회사가 계산을 실행할 수있는 경쟁에서 이겼습니다.

빅 데이터 기술은 많은 산업과 관련이 있지만 모든 곳에서 적극적으로 구현되는 것은 아니라고 Meshkov는 말합니다. 예를 들어 의료 분야에서는 데이터 저장에 문제가 있습니다. 많은 정보가 축적되고 정기적으로 업데이트되지만 대부분의 경우 이 데이터는 아직 디지털화되지 않았습니다. 정부 기관에도 많은 데이터가 있지만 공통 클러스터로 결합되지는 않습니다. 국가 데이터 관리 시스템(NCMS)의 통합 정보 플랫폼 개발은 이 문제를 해결하는 데 목적이 있다고 전문가는 말합니다.

그러나 우리나라는 대부분의 조직에서 빅 데이터 분석이 아닌 직관을 기반으로 중요한 결정을 내리는 유일한 국가와는 거리가 멀다. 지난해 500월 딜로이트가 미국 대기업(직원 63명 이상) 37여 명 리더를 대상으로 설문조사를 실시한 결과, 조사 대상자의 12%가 빅데이터 기술에 익숙하지만 필요한 지식을 모두 갖추고 있지는 않은 것으로 나타났다. 인프라를 사용할 수 있습니다. 한편 분석 성숙도가 높은 기업의 XNUMX% 중 거의 절반이 지난 XNUMX개월 동안 비즈니스 목표를 크게 초과 달성했습니다.

이 연구는 새로운 기술 솔루션 구현의 어려움 외에도 기업의 중요한 문제는 데이터로 작업하는 문화의 부족이라고 밝혔습니다. 빅 데이터를 기반으로 한 의사 결정에 대한 책임이 회사 전체가 아닌 회사의 분석가에게만 할당된다면 좋은 결과를 기대해서는 안됩니다. "이제 기업들은 빅 데이터에 대한 흥미로운 사용 사례를 찾고 있습니다."라고 Miftakhov는 말합니다. "동시에 일부 시나리오를 구현하려면 이전에 분석되지 않은 추가 데이터의 수집, 처리 및 품질 관리를 위한 시스템에 대한 투자가 필요합니다." 아아, "분석은 아직 팀 스포츠가 아닙니다"라고 연구 저자는 인정합니다.