Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

#MTC2018: Jak wdrażać Data Science w twoim biznesie? - Sebastian Malczyk

24 views

Published on

Big data to już nie melodia przyszłości. Aby zachować konkurencyjność na rynku należy dotrzymać mu kroku. Opowiem o korzyściach płynących z Data Science dla branży eCommerce i o metodach spięcia analityki danych w Waszym biznesie.

Published in: Data & Analytics
  • Be the first to comment

  • Be the first to like this

#MTC2018: Jak wdrażać Data Science w twoim biznesie? - Sebastian Malczyk

  1. 1. Jakiekorzyścimożeprzynieść? JAKWDRAŻAĆ DATASCIENCEW TWOIMBIZNESIE?
  2. 2. Kilkasłówomnie…. CZEŚĆ,JESTEMSEBASTIAN PRACUJĘJAKOACCOUNTEXECUTIVE(WAT?)
 • Doradzam nowym i obecnym klientom jak dobrać odpowiednie rozwiązania do ich potrzeb • Stanowię pomost pomiędzy zespołem developerskim, a klientem • Czasem „masuję” jednych i drugich :)
  3. 3. AGENDA
  4. 4. AGENDA COTOJESTTODATA SCIENCE?
  5. 5. AGENDA POCOTO WDRAŻAĆ? COTOJESTTODATA SCIENCE?
  6. 6. AGENDA JAKSIĘZATO ZABRAĆ? COTOJESTTODATA SCIENCE? POCOTO WDRAŻAĆ?
  7. 7. DATASCIENCE Data science jest interdyscyplinarną dziedziną, która wykorzystuje naukowe metody, procesy, algorytmy i systemy do wydobywania wiedzy i spostrzeżeń z danych w różnych formach, zarówno strukturalnych, jak i nieustrukturyzowanych Data Science to dyscyplina, która sprawia, że dane stają się przydatne Cotojest?
  8. 8. AGENDA COTOJESTTODATA SCIENCE? JAKSIĘZATO ZABRAĆ? POCOTO WDRAŻAĆ?
  9. 9. Pocowdrażaćdatascience? PRZYCZYNA 1 ZB = 1 bilion GB 5200 GB per capita 2x więcej danych każdego kolejnego roku CIEKAWOSTKI:
  10. 10. Rozpoznanieklientówz prawdopodobieństwem odejścia Prowadzeniesprzedaży sprzężonejz inteligentnymsystemem rekomendacji Automatyzacjazbierania feedbackuodklientów Pocowdrażaćdatascience? KORZYŚCI Identyfikacja wartościowychklientów
  11. 11. Pocowdrażaćdatascience? KORZYŚCI Rozpoznanieklientówz prawdopodobieństwem odejścia Prowadzeniesprzedaży sprzężonejz inteligentnymsystemem rekomendacji Automatyzacjazbierania feedbackuodklientów Identyfikacja wartościowychklientów Rozpoznanieklientówz prawdopodobieństwem odejścia
  12. 12. Pocowdrażaćdatascience? KORZYŚCI Rozpoznanieklientówz prawdopodobieństwem odejścia Automatyzacjazbierania feedbackuodklientów Identyfikacja wartościowychklientów Prowadzeniesprzedaży sprzężonejz inteligentnymsystemem rekomendacji
  13. 13. Pocowdrażaćdatascience? KORZYŚCI Rozpoznanieklientówz prawdopodobieństwem odejścia Prowadzeniesprzedaży sprzężonejz inteligentnymsystemem rekomendacji Automatyzacjazbierania feedbackuodklientów Identyfikacja wartościowychklientów Automatyzacjazbierania feedbackuodklientów
  14. 14. AGENDA COTOJESTTODATA SCIENCE? JAKSIĘZATO ZABRAĆ? POCOTO WDRAŻAĆ?
  15. 15. „…thekeytounlockingthefullvalueand potentialofdataliesintwoplaces:thedataitself andthepeopleemployedtomakeuseofit”
  16. 16. Jaksięzatozabrać? SYSTEMYREKOMENDACJI TECHNIKA1:COLLABORATIONFILTERING TECHNIKA2:CONTENT-BASEDFILTERING Spersonalizowane filtrowanie danych w celu przetworzenia ich w sugestie skierowane do klienta TECHNIKA3:HYBRIDRECOMMENDATIONSYSTEMS
  17. 17. Systemyrekomendacji PROBLEMY
  18. 18. Ciężko znaleźć jednostki podobne, gdy brakuje odpowiednich informacji. Nowe przedmioty nie mogą być rekomendowane dopóki nie zostaną ocenione przez kilku użytkowników a nowi użytkownicy nie otrzymają wartościowych rekomendacji bez odpowiedniej liczby ocen lub historii zakupów. COLDSTART Systemyrekomendacji PROBLEMY
  19. 19. Skalowalność
  20. 20. Ciężko znaleźć jednostki podobne, gdy brakuje odpowiednich informacji. Nowe przedmioty nie mogą być rekomendowane dopóki nie zostaną ocenione przez kilku użytkowników a nowi użytkownicy nie otrzymają wartościowych rekomendacji bez odpowiedniej liczby ocen lub historii zakupów. COLDSTART Systemyrekomendacji PROBLEMY Wraz z rosnącą liczbą użytkowników oraz przedmiotów, tradycyjne algorytmy mają problem z wydajnością.  Co więcej, wiele systemów wykorzystujących wspólną filtrację działa online i musi reagować natychmiastowo na pojawiające się wymagania i działania użytkowników. SKALOWALNOŚĆ
  21. 21. Ciężko znaleźć jednostki podobne, gdy brakuje odpowiednich informacji. Nowe przedmioty nie mogą być rekomendowane dopóki nie zostaną ocenione przez kilku użytkowników a nowi użytkownicy nie otrzymają wartościowych rekomendacji bez odpowiedniej liczby ocen lub historii zakupów. ZIMNYSTART Systemyrekomendacji PROBLEMY Wraz z rosnącą liczbą użytkowników oraz przedmiotów, tradycyjne algorytmy mają problem z wydajnością.  Co więcej, wiele systemów wykorzystujących wspólną filtrację działa online i musi reagować natychmiastowo na pojawiające się wymagania i działania użytkowników. SKALOWALNOŚĆ W systemach, w których każdy może dostarczać ocen, użytkownicy mogą wystawiać duże ilości pozytywnych opinii dla własnych produktów oraz negatywnych dla ich konkurentów. ZAKŁAMYWANIEOCEN
  22. 22. Gdzietozadziałało? BUSINESSCASE 75% tego co użytkownicy Netlixa oglądają pochodzi z systemu rekomendacji. Oszczędności na działaniach marketingowych sięgają rzędu 1 miliarda dolarów każdego roku. 
  23. 23. Gdzietozadziałało? BUSINESSCASE Amazon podkreśla że 29% jego dochodu ze sprzedaży produktów pochodzi z systemu rekomendacji co daje rocznie kwotę rzędu 136 miliardów dolarów. Wielowymiarowy system rekomendacji: analiza produktów podobnych do tych z koszyka Klienta, produktów podobnych do ostatnio przeglądanych, sugestie dodatków do przedmiotów, które już posiadają, system rekomendacji drogą mailową.. 
  24. 24. Gdzietozadziałało? BUSINESSCASE Spotify wykorzystuje systemy rekomendacji w personalizowanych playlistach Discover Weekly. Ich narzędzie nazwane Release Radar, aktualizuje osobiste playlisty w każdym tygodniu tak by użytkownicy nie przegapili nowo wydanych utworów artystów, których lubią. Nowy system rekomendacji pomógł zwiekszyć Spotify liczbę aktywnych użytkowników z 75 milionów do 100 milionów, bez względu na rosnącą konkurencję innych serwisów streamingowych jak Apple Music.
  25. 25. Zczegokorzystać? NARZĘDZIA
  26. 26. Zczegokorzystać? NARZĘDZIA • Dane są przechowywane na Twojej własnej infrastrukturze • Pełen dostęp do bazy danych • SDK w wersji mobilnej na platformy iOS i Android • Wysoka jakość • Elastyczne rozwiązanie - możliwość stworzenia modułów pod konkretne wymagania Klienta • Koszt skrojony pod realne wymagania
  27. 27. DZIĘKIZAUWAGĘ! Tobybyłonatyle

×