CNEWS FORUM 2014 / Секция ИТ в Банках / "Big Data: О чем думают ваши клиенты?" Текст презентации доступен доступен по ссылке http://denrey.me/r1u9tnP http://denreymer.com

1. Big
Data:
О
чем
думают
ваши
клиенты?
Денис
Реймер
вице-­‐президент
ЛАНИТ
председатель
Cовета
директоров
CleverDATA
denreymer.com
12.11.2014

2. О
чем
ты
думаешь?.....
Что
ты
чувствуешь?...
Дэвид
Финчер
«Исчезнувшая»
Я
всегда
…
…
пытаюсь
найти
ответы,
ответы
на
основные
вопросы…

3. Один
вопрос
точно
волнует
всех!
Это
понятно
и
без
Больших
Данных
покупать
или
продавать?

4. Клиент
банка
в
наши
дни
• Всегда
Онлайн
&
Всегда
доступен
• Живет
в
Digital
мире
• Мультизадачен
и
расфокусирован
• Невосприимчив
к
рекламе

5. Что
мы
знаем
о
клиенте?
Персональные
данные
История
контактов
Платежи
Карточные
транзакции
Продукты
Web-­‐аналитика
Результаты
маркетинговых
кампаний
Взгляд
360о
на
все,
что
уже
БЫЛО!

6. Что
мы
НЕ
знаем
о
клиенте?
Чем
он
интересуется?
Что
планирует
покупать?
Что
изучает?
Куда
планирует
поехать?
Что
планирует
делать?
Что
может
произойти

7. Использование
только
внутренней
исторической
информации
о
клиенте,
равносильно
управлению
автомобилем,
используя
только
зеркала
заднего
вида.

8. Шаг
№1
Организуем
хранение
и
обработку
данных

9. Private
DMP
Data
Management
Pla}orm
Профиль
и
интересы
вашего
клиента,
в
реальном
времени
Не
существует
DMP
из
коробки!
DMP
–
это
набор
правильно
подобранных
компонентов.

10. Профиль
клиента
-­‐
Таксономия
Занятость
• Безработный
• На
пенсии
• Работаете
• Студент
• Свой
бизнес
Профессиональная
сфера
• Гос.
Служба
• Обслуживание
• Преподавание
• Продажи
и
маркетинг
• Технологии
• Финансы
• Юриспруденция
Уровень
образования
• Высшее
• Другое
• Среднее
• Учёная
степень
Предпочтения
• Финансы
(клиент
каких
банков,
уровень
дохода,
кредитная
нагрузка,
страховка)
• Брендовые
предпочтения
авто
(по
маркам)
Сервис
классификации
• Модельные
предпочтения
авто
(по
типам
автомобилей)
• Жилищные
предпочтения
(свой
дом,
своя
квартира,
аренда
жилья)
• Здоровье
(диеты,
традиционная
медицина,
питание)
• Интернет
и
ТВ
(предпочтения
по
каналам,
тематикам
передач
и
тд)
• Мобильные
телефоны
(какие
мобильные
приложения
использует)
• Путешествия
(частота,
направления,
командировки,
класс
отдыха)
• Развлечения
(театр,
кино,
клубы,
искусство)
• Спортивные
предпочтения
• Магазины
(в
магазинах
какого
класса
обслуживается)
• Определение
собственной
таксономии;
• Подготовка
обучающие
выборки
для
алгоритмов
машинного
обучения;
• Построение
профилей
интересов
и
классификация
именно
ваших
клиентов!

11. Шаг
№2
Где
еще
взять
данные
о
наших
клиентах?

12. История
серфинга
Социальные
сети
Какие
данные
о
наших
клиентах
существуют?
Медийный
контент
Машинные
данные
Offline
данные
Посещение
веб-­‐сайтов
Поисковые
запросы
Покупки
в
интернете
Просматриваемые
фильмы
Пол/возраст/
семейное
положение
Список
друзей
Like/Check-­‐in
Интересы/Посты
eCommerce
Мобильные
приложения
Покупки
в
магазинах
Парковки
Кредитная
история
Программы
лояльности

13. Проблемы
сбора
• Незрелый
рынок
обмена
данными;
• Готовые
профили
аудитории
вам
могут
оказаться
бесполезны;
• Отсутствуют
стандарты
сбора
и
предоставления
сырых
данных;
• Необходимость
работы
с
потоком
данных
(преобразование,
очистка,
хранение,
интеграция)

14. Идем
на
Биржу
данных
Поставщики
Потребители
• Web-­‐логи
• Соц.
Сети
• Web-­‐контент
• БКИ
• Мобильные
операторы
• Платежные
системы
• eCommerce
• Банки
• Ритэйл
• eCommerce
• Телеком
• Госсектор
Облачная
сервисная
платформа
предоставляет
возможность
обмениваться
и
накапливать
большие
объемы
разнородной
информации
и
монетизировать
их
путем
использования
для
решения
бизнес-­‐задач
в
области
маркетинга,
управления
рисками,
формирования
программ
лояльности
и
в
других
областях.

15. cleverdata.ru
|
info@cleverdata.ru
Безопасное
хранение
данных
Real-­‐‹me
доступ
к
данным
Big
Data
хранилище
Мониторинг,
статистика
и
контроль
Депозитарий
данных
Биржа
данных
Обработка
данных
Сервисы
активации
данных
Различные
режимы
торгов
Уникальные
возможности
монетизации
Биллинг
операций
Платформа
для
создания
аналитических
сервисов
для
разных
предметных
областей
Алгоритмы
машинного
обучения
и
статистики
Подключение
к
сторонним
инструментам
анализа
данных
Накопление
и
хранение
Обогащение
и
монетизация
Анализ
и
преобразование
Биржа
данных
1DMP.RU

16. Private
DMP
Собираем
все
вместе
Web-­‐
аналитика
Шаг
№3

17. DMP
Markeong
RTB
Scoring
Сырые
данные
CRM
и
внутренние
транзакционные
системы
Аналитические
данные
• Профиль
клиента
Ano
Fraud
Построение
единого
профиля
клиента
Медийный
контент
Машинные
данные
История
серфинга
Социальные
сети
Offline
данные
eCommerce
Данные
web
аналитики,
campaign
management
систем
DMP
-­‐
Центральный
хаб
данных
организации

18. 3D
модель
Клиента
Внутренние
данные
Online
данные
Открытые
данные
Данные
БКИ
Offline
данные
партнеров

19. Шаг№4
И
что
дальше
со
всем
этим
делать?

20. Строим
Data
Competence
Center
• «Растим»
новую
роль
Data
Scien‹st
• Вовлекаем
бизнес
подразделения
– Формулируем
гипотезы
– Определяем
модель
совместной
работы
• Выстраиваем
«в-­‐меру-­‐agile»
процесс
работы
– WAgile,
SCRUMfall
(выбираем
подходящую
вашей
организации)
• Экспериментируем

21. Когда
важно
знать,
что
думают
ваши
клиенты:
• RTB
реклама
• Скоринг
физических
лиц
• Активная
матрица
кросс-­‐предложений
• Формирование
предложений
на
события
в
реальном
времени
• Формирование
профиля
типового
потребителя
продукта
• Поведение
клиента
на
сайте
компании
при
звонке
в
call-­‐center
• Гибкое
сегментирование
клиентов
• Целевые
продажи
• Верификация
места
проведения
транзакции
• Идентификация
клиента
по
поведению
• Антифрод
и
анализ
мошенничества
• Адаптация
контента
и
анкеты
…

22. «Для
того,
чтобы
завтра
вы
могли
извлечь
пользу
из
данных,
вы
должны
накапливать
их
уже
сегодня
и
учиться
с
ними
работать»

23. Денис
Реймер
h’p://denreymer.com
h’p://cleverdata.ru
h’p://lanit.ru
12.11.2014

24. Make
your
data
clever
Развитие
бизнеса
на
международном
рынке
с
2012
года
cleverdata.ru
|
info@cleverdata.ru
Входит
в
тройку
лидеров
российских
ИТ
компаний
43
подразделения
в
России
и
за
рубежом
Более
5500
сотрудников
100
тыс.проектов
для
10
тыс.заказчиков
Инновационная
платформа
управления
данными
«Биржа»
данных
Облачный
сервис
Собственная
разработка
Создана
в
2014
г.
Фокус
на
работе
с
«Big
Data»
Собственные
центры
разработки
Партнерство
с
мировыми
лидерами
и
научными
институтами
Центр
экспертизы