BigData vs. analýza „normálních“ dat

27. 12. 2013
Prostor na posledním listopadovém Bloku expertů patřil 28.11. Marcelovi Lážovi z firmy Futurelytics. Marcel sám sebe nazývá Data Magician, tedy Datovým kouzelníkem a navzdory anotaci a názvu, lákající na problém BigData, přednášel zejména o tom, jak je možné využít analýzu dat v oblasti e-commerce.

 

Záznam live bloggingu najdete jako obvykle v Blogu z bloku.

 

Prezentaci k přednášce najdete na Slideshare KISKu.

 

Marcel Láža: BigData vs analýza „normálních“ dat from KISK on Vimeo.

V úvodu nám přednášející prozradil, že prezentace firmy Futurelytics na konferencích většinou začíná otázkou: Chcete získat více peněz od svých zákazníků?  Cesta k větším ziskům podle Marcela Láži vede přes analýzu dat.

Skrz otázky do publika jsme se s přednášejícím dobrali k oblastem, kde se zjišťují a zpracovávají data. Například pojišťovny a gaming, tedy herní průmysl.

Další dotaz zněl, kdo z přítomných podniká.  A kdo má nějaký podnikatelský nápad. Protože mezi studenty se mnoho podnikatelů nenašlo a osoba s plánem se o něj nechtěla dělit, určil nakonec přednášející imaginárnárního hospodského a majitele e-shopu jako zástupce e-commerce.

Dál se přednášející zabýval otázkou doporučení novým zákazníkům. V oblasti her se jedná o miliony lidí, v oblasti e-commerce již méně a u hospody jen o stovky lidí.

Tím jsme otevřeli problematiku dat: co to vlastně data jsou? Nějaké údaje (například statistické), které můžeme nějak využít. A BigData? To je velký objem dat. O BigData nemůžeme mluvit u hospody. Ani u e-commerce. A dokonce ani v oblasti her.

BigData? V Evropě prý jen v CERNu

„Znáte CERN?“ ptá se Marcel Láža a na souhlasné kývání publika jen lakonicky odpovídá: „Tak tam řeší skutečně BigData problém. Tak se zpracovávají stovky milionů záznamů za vteřinu. Jen setina procenta záznamů se ukládá a i tak je to opravdu velké množství dat, které s sebou nese speciální požadavky na zpracování týkající se hlavně rychlosti.“

BigData jsou podle Marcela Láži marketingový pojem: „Když dnes někdo tvrdí, že řeší BigData problém, tak nemluví úplně pravdu.“  Následuje metafora: BigData jsou jako sex puberťáků – každý o nich mluví, ale nikdo je doopravdy nedělá.  A protože si každý myslí, že ostatní to dělají, tvrdí, že to dělá taky.

Data jako kostky Lega

Surová data přirovnává přednášející k hromadě kostek Lega, kterou je nutné nejprve roztřídit. V případě e-commerce je potřeba rozlišit klienty. Otázka do publika: „Podle čeho?“ Ze sálu zaznívají obvyklé sociodemografické ukazatele. Přednášející se krátce zastavuje u otázky příjmu. Příjem klienta zjistit přímo nemůžeme, ale můžeme porovnávat, jaký příjem přináší klient nám.

Z roztříděných kostiček Lega je potřeba postavit úhledné sloupečky. Tedy utříděná data musíme analyzovat, abychom se dozvěděli, co máme dělat.

Existují tři směry, kterými se užití získaných dat ubírá. V angličtině má zkratku RRR:

  • REACH – získání nových zákazníků, nejlépe na základě reklamy cílené podle zájmů stávajících zákazníků (metoda Look-alike)

  • RETENTION – konverze jednorázových zákazníků na stálé zákazníky

  • REVENUE – jak získat více od stávajících zákazníků

Jaká data máme o zákaznících

V další části přednášky se Marcel Láža zaměřil na to, co víme o zákaznících z jejich dat. Jako problematické označil jednorázové nakupující, od kterých de facto nemáme žádná data. Také upozornil na to, že jen málokdy se dozvíme skutečný důvod nespokojenosti zákazníka.

Dále jsme se zabývali několika metodami, které umožní získat od zákazníků více peněz. Komu nabídnout akci 1+1 a jak si pěstovat speciální vztah s významnými zákazníky – například osobním bonusem s malou cenou.

Poté jsme se zaměřili na práci s nespokojenými klienty a také se zákazníky, se kterými nejsme spokojeni my. Přednášející doporučuje nebát se problematické klienty odstřihnout. Argumentuje Paretovým pravidlem, které praví, že 80 % příjmů pochází od 20 % zákazníků a zbylých 80 % zákazníků je tedy možné zanedbávat bez toho, aby se snížily zisky. Analýza dat nám skutečně platnost toho pravidla většinou potvrdí.

Následovalo několik zajímavých příkladů užití analýzy dat v marketingu. Například proč by měli obchodníci dávat pivo blízko plen (což je ovšem pouze příklad, nikoliv skutečný případ). Nebo příběh o tom, jak obchodní řetězec věděl, že je školačka těhotná dříve, než její otec.

 

V otázkách na konci přednášky jsme se znovu vrátili k problematice BigData a jejich definici, která se podle přednášejícího odvíjí spíše od toho, co s daty děláme, než od jejich objemu. Pro publikum sestávající většinou ze studentů informační vědy by bylo patrně přínosnější dozvědět se nové informace právě o tom, co a jak se s velkými daty dělá, byť jen v teoretické rovině. Přednáška však byla více zaměřena na praktické využití analýzy klientských dat v e-commerce. 

 

 

 Zdroj titulního obrázku: http://www.ivizsecurity.com/blog/penetration-testing/storm-waiting-happe...

Fotogalerie

Líbil se vám článek?
Stáhnout článek v PDF

0 komentářů

Přidat komentář

(If you're a human, don't change the following field)
Your first name.
(If you're a human, don't change the following field)
Your first name.

Přečtěte si také

Přihlášení Registrace
RSS Facebook Twitter YouTube
Zobrazit standardní verzi webu

Taky děláme

Feedback