Wielki show o przejmowaniu władzy w USA, rozmowy klienta z call center banku, trasa, którą pokonuje ciężarówka. Te rzeczy mają jeden wspólny mianownik - big data. To dzięki analizie olbrzymich zbiorów danych wiele branż może dzisiaj mówić o udanej transformacji modelu biznesowego czy nawet całych firm.
Na początek cytat z raportu firmy doradczej EY. „Big data w sposób fundamentalny zmieni to, jak dziś działają i konkurują firmy. Spółki, które inwestują i z sukcesem potrafią wyciągnąć wartość ze zgromadzonych danych, będą miały istotną przewagę nad konkurentami – przewagę w wydajności, która będzie się tylko powiększała. Firmy będą gromadziły coraz więcej danych i będą potrafiły wychwycić z nich istotne trendy, nowe technologie i cyfrowe kanały pozwolą na sprawniejsze pozyskiwanie klientów i ich obsłużenie”. Tak analitycy EY pisali o big data w raporcie z 2014 r. Czy mieli rację?
Sukces „House of Cards”. To nie był strzał w ciemno
Omawialiśmy już znaczenie big data w transporcie i handlu. Zacznijmy więc od zupełnie innej branży - firmy Netflix, platformy streamującej filmy. Historycznie spółka zaczynała jako wypożyczalnia DVD, dostarczając filmy do domów w charakterystycznych czerwonych kopertach. Dziś trudno znaleźć drugą firmę, która w branży filmowej budziłaby równie wielkie emocje. W ciągu ostatniej dekady z wypożyczalni Netlix przedzierzgnął się nie tylko w platformę, ale też w pełnokrwistego producenta, stawianego na równi (albo i już przewyższającego) innego amerykańskiego potentata, czyli HBO. Co ważne, transformacja ta nie odbyła się bez udziału danych.
Cofnijmy się do 2011 r. Netflix przebija w licytacji wspomniane HBO i zdobywa prawo do ekranizacji brytyjskiego „House of Cards”. Wykłada na tylko pierwszy sezon ponad 100 mln dol., do głównej roli zatrudnia Kevina Spacey, a reżyserem zostaje David Fincher. Kwota w Hollywood nie rzucała na kolana, ale dla spółki internetowej debiutującej w produkcji była to inwestycja ogromna. Serial o kulisach przejmowania władzy w Białym Domu okazał się hitem. Netflix nie musiał do niego dokładać. Tyle że spółka niewiele zostawiła przypadkowi – nie było tu intuicji czy zachwyconego prezesa, który kazał kręcić serial po obejrzeniu oryginału. Była racjonalna analiza danych.
– Byliśmy głęboko przekonani co do słuszności obsady reżysera i aktorów. Dzięki naszym algorytmom byliśmy w stanie sprawdzić, kto może być zainteresowany nową rolą Kevina Spacey i podesłać im wiadomość – tłumaczył w wywiadach Steve Swasey, wiceprezes Netlifx od komunikacji.
Bardzo ciekawą analizę „House of Cards” przedstawiono na blogu Kissmetrics.com. Otóż wedle autorów, zanim Netflix zdecydował na kręcenie serialu, wiedział m.in., że sporo osób ogląda filmy Finchera od deski do deski. Wiedział, że brytyjska wersja „HoC” świetnie się ogląda. Wiedział, że jest spora grupa fanów filmowych, którzy oglądają filmy Finchera, i że są grupy, które uwielbiają aktorstwo Kevina Spacey. Innymi słowy, to nie był strzał na oślep. Do tego Netflix miał do dyspozycji i analizy wiele pomniejszych parametrów, np. kiedy przy podobnych produkcjach uwaga widzów słabnie (kiedy naciskają pauzę, przerywają oglądanie, na którym odcinku w sezonie przestają śledzić losy bohaterów seriali polityczno-kryminalnych itp.). Oczywiście, wszystkie te dane nie mogły i nie dadzą 100-proc. gwarancji hitu, ale pozwalają zrozumieć gusta widzów znacznie lepiej niż tradycyjnej ekipie producenckiej. I minimalizują ryzyko biznesowe, jakie spółka podejmuje.
Czy to ma sens? We wspomnianym już serwisie Kissmetrics przytoczono ciekawe statystyki z rynku telewizyjnego. Średnio tylko 35 proc. produkcji jest na tyle udanych, że doczekują się kontynuacji. Netflix ten odsetek u siebie podniósł do... 70 proc.
Nowe trasy i czas
O znaczeniu big data w transporcie więcej pisaliśmy w innym tekście. Ale tu warto wspomnieć jeszcze o wielkim eksperymencie (a w zasadzie programie badawczym) największej firmy kurierskiej świata UPS. W raporcie powstałym na zamówienie SAS Instititute czytamy, że koncern zaczął zbierać dane o ruchu paczek już w latach 80. ubiegłego stulecia. Dziś codziennie analizuje kilkadziesiąt milionów zapytań od klientów i miliony paczek.
Największe znaczenie mają sensory, którymi UPS naszpikował swoją flotę ciężarówek. Analiza informacji o prędkości, częstotliwości hamowania i kierunku, w jakim poruszały się ciężarówki, doprowadziły koncern do decyzji o zmianie tras. Dlaczego to tak duże znaczenie istotne biznesowo? UPS szacował, że każda jedna mila, o którą skrócą codzienną trasę kierowcy, przynosi spółce ok. 30 mln dol. oszczędności. Projekt nazwany ORION (On Road Integrated Optimization and Navigation) już w 2011 r. przyniósł oszczędności liczone w milionach galonów paliwa (w sumie skrócono trasy o 85 mln mil).
Swoje piętno big data odciska też na handlu. Pokazywaliśmy już, jak dzięki analizie dużych zbiorów danych sieć Target potrafiła poznać, kiedy kobieta jest w ciąży, Walmart z kolei był w stanie podjąć decyzję, jakie produkty wstawić na półki w sklepach, posługując się prognozami pogody (link do tekstu o big data w handlu). Nie pisaliśmy jednak o innej wielkiej zmianie w handlu – o podejmowaniu decyzji w godzinę zamiast w ciągu doby. Taki ruch – dzięki analizie big data – wykonano w sieci Macy's. Analitycy byli w stanie właśnie do godziny skrócić czas potrzebny wcześniej sieci do podjęcia decyzji o zmianie cen produktów – a tych Macy's ma w ofercie ponad 70 mln.
- Kluczową różnicą między tym, co mogliśmy robić przed erą big data, a tym, co możemy robić teraz, jest tworzenie setek tysięcy modeli na bazie danych. Wcześniej byliśmy w stanie opierać się na 10, 20 może 100 modelach - zdradzają przedstawiciele Macy's. I dodają, że big data znacząco poprawiła ROI (zwrot z inwestycji) w ich wydatkach na marketing internetowy.
Ogromny skok dzięki możliwości zbierania i analizowania danych wykonały też firmy z sektora finansowego. - Podczas gdy banki historycznie były bardzo dobre w analizowaniu produktów takich jak karty kredytowe czy kredyty, praktycznie żaden nie analizował danych holistycznie, patrząc na różnego rodzaju relacje klienta z bankiem. Na przykład na to, że klient, który ma konto w banku, jest jednocześnie pracownikiem dostawcy banku, która to firma też jest klientem banku - zauważył w felietonie dla FinExtra Anju Patwardhan, szef innowacji w Standard Chartered.
I to się zmieniło. Bank of America – w ocenie poszczególnych klientów czy trendów – opierał się na próbkach danych. W ostatnich latach postawił jednak na integrację danych z różnych źródeł o kliencie (m.in. dane o rachunku, dane o wydatkach, dane o tym, jak klient zachowuje się na stronie internetowej banku, jakie uwagi i skargi zgłasza w call center). W efekcie bank – jak czytamy w raporcie SAS Institute – był w stanie takie dane połączyć z analizą, czy istnieje duże prawdopodobieństwo, że klient korzystniejsze warunki znajdzie u konkurencji. Jeśli system – na bazie historycznych danych – stwierdzał, że takie prawdopodobieństwo istnieje, ta informacja wyświetlała się pracownikom banku, gdy klient się z nimi kontaktował.
Autor: Paweł Choiński
Szukasz porady? Skontaktuj się z ekspertem z Asseco:
+48 22 574 88 23; e-mail: piotr.fabjaniak@assecods.pl