Big data zdokonalí vaše analýzy

Filip Marek

O big datech se mluví už několik let. Ale ani dnes není našim zákazníkům zcela jasné, co si pod tímto pojmem mohou představit a jak může T-Mobile pomoct jejich businessu. Důležitou součástí naší práce zůstává otvírat zákazníkům oči a učit je přemýšlet o věcech, které do té doby považovali za nemožné.

Big data – jak vypadá svět za zrcadlem?

Nejčastěji se pro vysvětlení big dat používají 3V, představující první písmena anglických slov – volume, velocity a variety. V češtině bychom mluvili o velkém a většinou i neustále rostoucím objemu různorodých dat, která je potřeba rychle zpracovávat.

Nevýhodou této definice je její neurčitost. Našim klientům proto vysvětlujeme, že o big datech mluvíme ve chvíli, kdy je dat tolik, že jejich ukládání nebo zpracování by při použití tradičních prostředků a metod bylo velmi složité, drahé a někdy i nemožné.

Králičí nora ještě nekončí

Pojem big data popisuje způsob jak data uložit a zpracovat. Ve většině případů, kdy zákazník říká big data, ve skutečnosti nemá na mysli jejich ukládání. Jeho nejčastějším přáním je získat z dat hodnotu, o které tuší, že je v nich schovaná. Tím správným označením je zde data science.

Data science je oblast zaměřená na zkoumání dat a hledání odpovědí na otázky a to dokonce i na ty, které nemusely být explicitně položeny. Právě data science je ta chvíle, kdy operátor předpoví, že si v brzké době budete chtít koupit nový telefon. Banka z plateb kartou zjistí, že se chystáte na dovolenou a nabídne vám pojištění. Nebo obchodní řetězec po prozkoumání účtenek zvýší prodej piva jeho přesunutím k regálu s dětskými plenami.

Kdyby celá širší oblast big dat byla ledovcem, pak by obrovská masa pod hladinou představovala uložená data. Malý krásný kousek ledovce plavoucí nad hladinou jsou výsledky práce data scientistů, tedy informace, které přináší hodnotu a posouvají business dopředu. Stejně jako u ledovce, tak i zde je potřeba si uvědomit, že pokud bychom neměli masu (dat) pod hladinou, zářivý kousek nad ní by se potopil.

T-Mobile jako průvodce po říši divů

Telco bylo jeden z prvních oborů, který začal velká data zpracovávat. T-Mobile si, stejně jako celá skupina Deutche Telekom, velmi brzy uvědomil, že jeho zkušenosti mohou pomoct nejen jemu samotnému, ale i jeho partnerům. Naše pomoc však není zaměřena jen na dodávku komplexního řešení, ve kterém jsme po spojení s T-Systems a GTS hodnoceni jako silný hráč.

Největší hodnotu zákazníkům přinášíme využitím dat, které T-Mobile vlastní. Naší výhodou je, že máme ohromnou bázi 6 milionů zákazníků, se kterými máme dlouhodobý vztah. Naše zákazníky navíc neznáme jen díky službám, které používají. Při analýze totiž sbíráme i anonymizovaná data o

• poloze zákazníků v mobilní síti,

• internetovém provozu,

• sledování televize,

• provozu aut.

Tato data umíme zpracovat a dát našim partnerům odpovědi na otázky, které jim pomohou dělat jejich business ještě o trochu lépe. Nejčastěji se požadavky partnerů zaměřují na oblast mobility obyvatel.

Partnery zajímá, kolik zákazníků se pohybuje kolem jejich poboček a jak vypadají jejich spádové oblasti. Big data pomáhají i s vyhodnocením marketingových akcí, ať už se jedná o venkovní reklamu na billboardech nebo návštěvnost sponzorované kulturní události.

Nehrajte kroket se Srdcovou královnou

Pro správné rozhodnutí je potřeba znát pravidla hry a mít dostatek informací. Přínos dat T-Mobile přiblížím na příkladu zákazníka z retailu.

Zadání: Zvýšit zisk supermarketu na kraji většího města.

Úkol: Pochopit zákazníky a jejich chování.

Výchozí situace: Partner má k dispozici data z pokladního systému, která vypovídají o tržbách, maržích a obsahují časovou značku. Díky kombinaci dat z pokladen a informaci o pohybu zákazníků v síti T-Mobile můžeme připravit ucelený pohled na chování zákazníků.

Postup:

1. Začneme použitím našich dat o pohybu obyvatel. Díky nim doplníme k počtu vystavených účtenek z pokladen informaci o počtu lidí vyskytujících se v lokalitě, včetně jejich demografie a oblasti, ze které přicházejí.

Tyto informace přispějí k pochopení dynamiky obyvatel a napoví, za jakým účelem do lokality přijeli.

Například: Vidíme nárůst počtu lidí v pracovní dny kolem oběda, ale tento nárůst se nepromítne do počtu transakcí. Tehdy doporučíme zvážit prostor pro občerstvení přímo u prodejny nebo inzerovat nabídku baget a hotových jídel.

2. Analýzou místa původu návštěvníků určíme, ze kterých míst jezdí do supermarketu zákazníci přinášející největší marži. Následně doporučíme další podobné oblasti s potenciálem pro akvizici nových bonitních zákazníků.

3. Ve chvíli, kdy supermarket uvažuje o zřízení čerpací stanice, rozšíříme analýzu na přínos zákazníků přijíždějících autem. V analýze zohledníme navíc i potenciál pro akvizici nových zákazníků z konkurenčních obchodů ve spádové oblasti.

Výsledným přínosem pro supermarket je:

• pochopení současných zákazníků, včetně sociodemografické segmentace zohledňující marži,

• doporučení pro možné zatraktivnění nabídky pro přilákání nových zákazníků,

• optimalizace distribuce reklamních letáků snižující náklady.

Ujistěte se, že dveře jsou zamčené

Většina dat, která v sobě ukrývá hodnotu a má smysl je analyzovat, obsahuje současně osobní a často i citlivé údaje. Nezáleží přitom, jestli tyto údaje patří uživatelům, zákazníkům nebo vlastním zaměstnancům. Vždy je potřeba je pečlivě chránit a ujistit se, že nebudou odcizena nebo zneužita.

Téma etiky je v oblasti big dat stále otevřená otázka. Technologie do jisté míry předběhly regulaci a zůstává na nás, abychom s daty nakládali zodpovědně. Pro praktické použití dat se mi osvědčilo zeptat se sám sebe, jestli až se dotčená osoba o použití dat dozví, bude překvapená. Jinými slovy v T-Mobile nechceme dělat nic, o čem bychom zákazníka předem neinformovali.

Pro většinu analýz dostačuje agregovaná informace, ze které není možné určit identitu konkrétní osoby. U příkladu supermarketu můžeme uvést, že v neděli odpoledne bylo nakupovat tři sta lidí, ale už nepředáme informace o tom, kteří naši zákazníci to byli. Tento přístup nám pomáhá chránit soukromí našich zákazníků.

Filip Marek

Vystudoval jsem Fakultu jadernou a fyzikálně inženýrskou na ČVUT. V oblasti zpracování dat se pohybuji 5 let. Poslední 3 roky se zaměřuji na big data a data science. Mým úkolem je pomáhat našim partnerům pochopit své zákazníky. Navíc vytvářím nové produkty a služby postavené datech, které se snaží zlepšovat fungování firem.

Podobné články

Využijte Wi-Fi jako marketingový nástroj

Wi-Fi zdarma potěší návštěvníky města Olomouc a radnici poskytne cenné údaje o jejich chování.

Přečíst článek

Řešení M2M pro dopravu a logistiku

S M2M řešením budete vědět o každém pohybu vašeho firemního auta.

Přečíst článek

3 příklady, jak IoT zefektivní vaše pracoviště

Internet věcí se dá efektivně využít v chytrých městech, průmyslové výrobě, ale i na vašem pracovišti.

Přečíst článek