SlideShare a Scribd company logo
1 of 16
‹#›

                   Использование
                   аналитических хранилищ
                   данных для анализа
                   потребительского
Управление
отношениями с
                   поведения
клиентом в мире
IT




www.rapidsoft.ru
‹#›

Проблемы крупной организации

• Множество
  гетерогенных ИС
• Информация о клиентах
  разрозненная, низкого
  качества, устаревшая

• Нет возможности
  перекрѐстного анализа
  данных различных
  систем


                          Аналитические хранилища данных
‹#›

Назначение хранилищ клиентских данных

• Сбор, хранение
  и актуализация
  информации о клиенте
• Анализ клиентского
  поведения, сегментация
• Анализ предпочтений,
  профилирование
• Анализ эффективности
  маркетинговых
  коммуникаций



                           Аналитические хранилища данных
‹#›

База данных клиентов – основной актив

• Выше процент отклика на маркетинговые
  инициативы (кросс-продажи, допродажи)
• Ниже риски, связанные с изменением
  персональных данных
• Меньше затраты времени на поиск
  информации о клиенте (скоринг,
  колл-центр)
• Меньше потери при доставке
  корреспонденции


                        Аналитические хранилища данных
‹#›

Этапы обработки данных


            2. Объединение



     1. Получение
                         3. Анализ
       и очистка



             4. Применение



                         Аналитические хранилища данных
‹#›

Очистка данных
•   Анализ качества источников данных
•   Коррекция ошибок в ФИО
     –   Словарь имѐн
     –   Транслитерация
     –   Сходство по начертанию букв
•   Определение принадлежности к региону
•   Автоматическая привязка к КЛАДР
     –   Транслитерация
     –   Сходство по начертанию букв
     –   Ошибки в типах объектов КЛАДР
•   Проверка достоверности данных
     –   Противоречия в данных из разных источников
     –   ФИО и пол (окончания отчеств и фамилий,
         латинские и русские буквы и т.д.)
     –   Номер паспорта (регион)
     –   Номер телефона (регион, заведомо неверные
         номера)
     –   Адрес электронной почты




                                                      Аналитические хранилища данных
‹#›

Объединение клиентских данных
• Идентификаторы
  – ФИО/дата рожд./адрес
  – № паспорта
  – ИНН
  – Свидетельство пенсионного
    страхования
  – Мобильный телефон и т.д.
• Учѐт изменений в данных
  – Смена адреса
  – Изменение фамилии
  – Замена документов
• Уточнение данных
  – Ведение истории изменений


                                Аналитические хранилища данных
‹#›

Объединение с данными других систем
• Транзакции по картам
  и счетам
• Покупки в торговых
  сетях партнѐров
• Поведение на сайте
  (интерес к
  спецпредложениям,
  продуктам)
• Данные опросов
• Данные бюро кредитных
  историй


                          Аналитические хранилища данных
‹#›

Анализ клиентских данных
• Сегментация клиентов
• Анализ продуктов (ABC-XYZ)
• Профилирование
  – ответы на опросы
  – поведение на Web сайте (акции,
    продукты, партнѐры, подписка
    на новости)
  – Учѐт статуса
    информированности о
    спецпредложениях
• Анализ злоупотреблений
• Анализ привлечения
• Анализ удержания



                                     Аналитические хранилища данных
‹#›

Сегментация
• Исходные данные
  – Анкета
  – Профиль
  – Данные о продажах, выплатах,
    транзакциях
  – Отклики от предыдущих кампаний
  – Данные о поведении из других
    систем
• Сегменты
  – RFM – Recency, Frequency,
    Monetary Value
  – По стратегии рисков
  – Специальные под акцию
  – Дополнительные условия




                                     Аналитические хранилища данных
‹#›

Эффективность коммуникаций

• Формирование целевых
  аудиторий по сегментам
  и профилям
• Фиксирование
  успешных контактов
  – актуализация
    контактных данных
• Фиксирование откликов




                           Аналитические хранилища данных
‹#›

Примеры сводного анализа данных

• Предрасчѐт кредитных
  лимитов
• Анализ удовлетворѐнности
  и оценок по офисам
  продаж
  – NPS
  – Тайный покупатель




                             Аналитические хранилища данных
‹#›

История успеха – Связной Клуб, Промторгбанк
• База клиентов – более
  10 млн. человек
• Объѐм обрабатываемых
  данных – более 800 МБ
  в день
• Мультивендорное решение
  (Oracle + Microsoft)
• Заказчики данных:
  –   Маркетинг
  –   Колл-центр
  –   Партнѐры
  –   Риски



                             Аналитические хранилища данных
‹#›

Практические советы

• Планируйте АХД и ИАС как продолженную
  активность, а не только как проект
  внедрения
• Получите поддержку на уровне
  высшего руководства
• Начните с малого, делайте проект
  итеративным
• Внимательно относитесь к выбору
  технических средств с учѐтом объѐма
  хранимых и обрабатываемых данных



                           Аналитические хранилища данных
‹#›

  О компании
• Компания RapidSoft разрабатывает, развивает и поддерживает корпоративные
 IT-решения     с     повышенными            требованиями        к      надежности
 и производительности

• Основана в 1999 году

• Имеет    статус   Microsoft    Gold     Certified   Partner,    в     том   числе
 в компетенции «Решения управления базами данных» и Oracle Gold Partner

Наши клиенты и пользователи:
‹#›

 Контактная информация

Егор Шокуров –
вице-президент

E-mail: egors@rapidsoft.ru
Тел.: +7 (495) 926-58-09

125130, Москва,
Старопетровский пр-д д.7А
строение 25 подъезд 6 этаж
2

www.rapidsoft.ru

More Related Content

Similar to RapidSoft: Анализ потребительского поведения с использованием аналитических хранилищ данных

Роль аналитики в электронной коммерции. Олег Наумов, конференция OWOX
Роль аналитики в электронной коммерции. Олег Наумов, конференция OWOXРоль аналитики в электронной коммерции. Олег Наумов, конференция OWOX
Роль аналитики в электронной коммерции. Олег Наумов, конференция OWOXOWOX
 
Big Data: Как принести пользу Бизнесу
Big Data: Как принести пользу БизнесуBig Data: Как принести пользу Бизнесу
Big Data: Как принести пользу БизнесуDen Reymer
 
Den Reymer Resilience_2014
Den Reymer Resilience_2014Den Reymer Resilience_2014
Den Reymer Resilience_2014CleverDATA
 
Big Data: О чем думают ваши клиенты?
Big Data: О чем думают ваши клиенты?Big Data: О чем думают ваши клиенты?
Big Data: О чем думают ваши клиенты?Den Reymer
 
Аналитика клиентской базы отдела B2B-продаж: основные понятия
Аналитика клиентской базы отдела B2B-продаж: основные понятияАналитика клиентской базы отдела B2B-продаж: основные понятия
Аналитика клиентской базы отдела B2B-продаж: основные понятияЕвгений Лазо
 
Презентация Informatica MDM
Презентация Informatica MDMПрезентация Informatica MDM
Презентация Informatica MDMOleksii Tsipiniuk
 
Cистема бизнес - досье - база данных о клиентах и Crm - аналитика. C.Утемов
Cистема бизнес -  досье - база данных о клиентах и Crm - аналитика. C.УтемовCистема бизнес -  досье - база данных о клиентах и Crm - аналитика. C.Утемов
Cистема бизнес - досье - база данных о клиентах и Crm - аналитика. C.УтемовExpolink
 
DenReymer_presentation_for_CNewsforum_14112014
DenReymer_presentation_for_CNewsforum_14112014DenReymer_presentation_for_CNewsforum_14112014
DenReymer_presentation_for_CNewsforum_14112014CleverDATA
 
Oracle big data_da_cut
Oracle big data_da_cutOracle big data_da_cut
Oracle big data_da_cutCleverDATA
 
Ирина Елистратова, Альфа-Банк: Данныедля создания ценности клиенту
Ирина Елистратова, Альфа-Банк:  Данныедля создания ценности клиентуИрина Елистратова, Альфа-Банк:  Данныедля создания ценности клиенту
Ирина Елистратова, Альфа-Банк: Данныедля создания ценности клиентуБанковское обозрение
 
Watch list screening
Watch list screeningWatch list screening
Watch list screeningcrm2life
 
Microsoft FAST Enterprise Search Technologies Overview
Microsoft FAST Enterprise Search Technologies OverviewMicrosoft FAST Enterprise Search Technologies Overview
Microsoft FAST Enterprise Search Technologies OverviewMichael Kozloff
 
Business intelligence в Ozon.ru
Business intelligence в Ozon.ruBusiness intelligence в Ozon.ru
Business intelligence в Ozon.ruRoman Zykov
 
Data-driven business: Информационная основа деятельности современной Компании
Data-driven business: Информационная основа деятельности современной КомпанииData-driven business: Информационная основа деятельности современной Компании
Data-driven business: Информационная основа деятельности современной КомпанииAlexander Barakov
 
Бизнес-аналитика каналов продаж
Бизнес-аналитика каналов продаж Бизнес-аналитика каналов продаж
Бизнес-аналитика каналов продаж Pavel Ivanov
 
Персональные данные организации
Персональные данные организацииПерсональные данные организации
Персональные данные организацииAlexey Fedorischev
 
MESImeetup_DenReymer_presentation
MESImeetup_DenReymer_presentationMESImeetup_DenReymer_presentation
MESImeetup_DenReymer_presentationCleverDATA
 
Бигдата — как добывать золото из данных / Александр Сербул (1С-Битрикс)
Бигдата — как добывать золото из данных / Александр Сербул (1С-Битрикс)Бигдата — как добывать золото из данных / Александр Сербул (1С-Битрикс)
Бигдата — как добывать золото из данных / Александр Сербул (1С-Битрикс)Ontico
 
Business Intelligence. Современный взгляд
Business Intelligence. Современный взглядBusiness Intelligence. Современный взгляд
Business Intelligence. Современный взглядAndrey Korshikov
 

Similar to RapidSoft: Анализ потребительского поведения с использованием аналитических хранилищ данных (20)

Роль аналитики в электронной коммерции. Олег Наумов, конференция OWOX
Роль аналитики в электронной коммерции. Олег Наумов, конференция OWOXРоль аналитики в электронной коммерции. Олег Наумов, конференция OWOX
Роль аналитики в электронной коммерции. Олег Наумов, конференция OWOX
 
Big Data: Как принести пользу Бизнесу
Big Data: Как принести пользу БизнесуBig Data: Как принести пользу Бизнесу
Big Data: Как принести пользу Бизнесу
 
Den Reymer Resilience_2014
Den Reymer Resilience_2014Den Reymer Resilience_2014
Den Reymer Resilience_2014
 
Презентация Tibco spotfire
Презентация Tibco spotfireПрезентация Tibco spotfire
Презентация Tibco spotfire
 
Big Data: О чем думают ваши клиенты?
Big Data: О чем думают ваши клиенты?Big Data: О чем думают ваши клиенты?
Big Data: О чем думают ваши клиенты?
 
Аналитика клиентской базы отдела B2B-продаж: основные понятия
Аналитика клиентской базы отдела B2B-продаж: основные понятияАналитика клиентской базы отдела B2B-продаж: основные понятия
Аналитика клиентской базы отдела B2B-продаж: основные понятия
 
Презентация Informatica MDM
Презентация Informatica MDMПрезентация Informatica MDM
Презентация Informatica MDM
 
Cистема бизнес - досье - база данных о клиентах и Crm - аналитика. C.Утемов
Cистема бизнес -  досье - база данных о клиентах и Crm - аналитика. C.УтемовCистема бизнес -  досье - база данных о клиентах и Crm - аналитика. C.Утемов
Cистема бизнес - досье - база данных о клиентах и Crm - аналитика. C.Утемов
 
DenReymer_presentation_for_CNewsforum_14112014
DenReymer_presentation_for_CNewsforum_14112014DenReymer_presentation_for_CNewsforum_14112014
DenReymer_presentation_for_CNewsforum_14112014
 
Oracle big data_da_cut
Oracle big data_da_cutOracle big data_da_cut
Oracle big data_da_cut
 
Ирина Елистратова, Альфа-Банк: Данныедля создания ценности клиенту
Ирина Елистратова, Альфа-Банк:  Данныедля создания ценности клиентуИрина Елистратова, Альфа-Банк:  Данныедля создания ценности клиенту
Ирина Елистратова, Альфа-Банк: Данныедля создания ценности клиенту
 
Watch list screening
Watch list screeningWatch list screening
Watch list screening
 
Microsoft FAST Enterprise Search Technologies Overview
Microsoft FAST Enterprise Search Technologies OverviewMicrosoft FAST Enterprise Search Technologies Overview
Microsoft FAST Enterprise Search Technologies Overview
 
Business intelligence в Ozon.ru
Business intelligence в Ozon.ruBusiness intelligence в Ozon.ru
Business intelligence в Ozon.ru
 
Data-driven business: Информационная основа деятельности современной Компании
Data-driven business: Информационная основа деятельности современной КомпанииData-driven business: Информационная основа деятельности современной Компании
Data-driven business: Информационная основа деятельности современной Компании
 
Бизнес-аналитика каналов продаж
Бизнес-аналитика каналов продаж Бизнес-аналитика каналов продаж
Бизнес-аналитика каналов продаж
 
Персональные данные организации
Персональные данные организацииПерсональные данные организации
Персональные данные организации
 
MESImeetup_DenReymer_presentation
MESImeetup_DenReymer_presentationMESImeetup_DenReymer_presentation
MESImeetup_DenReymer_presentation
 
Бигдата — как добывать золото из данных / Александр Сербул (1С-Битрикс)
Бигдата — как добывать золото из данных / Александр Сербул (1С-Битрикс)Бигдата — как добывать золото из данных / Александр Сербул (1С-Битрикс)
Бигдата — как добывать золото из данных / Александр Сербул (1С-Битрикс)
 
Business Intelligence. Современный взгляд
Business Intelligence. Современный взглядBusiness Intelligence. Современный взгляд
Business Intelligence. Современный взгляд
 

RapidSoft: Анализ потребительского поведения с использованием аналитических хранилищ данных

  • 1. ‹#› Использование аналитических хранилищ данных для анализа потребительского Управление отношениями с поведения клиентом в мире IT www.rapidsoft.ru
  • 2. ‹#› Проблемы крупной организации • Множество гетерогенных ИС • Информация о клиентах разрозненная, низкого качества, устаревшая • Нет возможности перекрѐстного анализа данных различных систем Аналитические хранилища данных
  • 3. ‹#› Назначение хранилищ клиентских данных • Сбор, хранение и актуализация информации о клиенте • Анализ клиентского поведения, сегментация • Анализ предпочтений, профилирование • Анализ эффективности маркетинговых коммуникаций Аналитические хранилища данных
  • 4. ‹#› База данных клиентов – основной актив • Выше процент отклика на маркетинговые инициативы (кросс-продажи, допродажи) • Ниже риски, связанные с изменением персональных данных • Меньше затраты времени на поиск информации о клиенте (скоринг, колл-центр) • Меньше потери при доставке корреспонденции Аналитические хранилища данных
  • 5. ‹#› Этапы обработки данных 2. Объединение 1. Получение 3. Анализ и очистка 4. Применение Аналитические хранилища данных
  • 6. ‹#› Очистка данных • Анализ качества источников данных • Коррекция ошибок в ФИО – Словарь имѐн – Транслитерация – Сходство по начертанию букв • Определение принадлежности к региону • Автоматическая привязка к КЛАДР – Транслитерация – Сходство по начертанию букв – Ошибки в типах объектов КЛАДР • Проверка достоверности данных – Противоречия в данных из разных источников – ФИО и пол (окончания отчеств и фамилий, латинские и русские буквы и т.д.) – Номер паспорта (регион) – Номер телефона (регион, заведомо неверные номера) – Адрес электронной почты Аналитические хранилища данных
  • 7. ‹#› Объединение клиентских данных • Идентификаторы – ФИО/дата рожд./адрес – № паспорта – ИНН – Свидетельство пенсионного страхования – Мобильный телефон и т.д. • Учѐт изменений в данных – Смена адреса – Изменение фамилии – Замена документов • Уточнение данных – Ведение истории изменений Аналитические хранилища данных
  • 8. ‹#› Объединение с данными других систем • Транзакции по картам и счетам • Покупки в торговых сетях партнѐров • Поведение на сайте (интерес к спецпредложениям, продуктам) • Данные опросов • Данные бюро кредитных историй Аналитические хранилища данных
  • 9. ‹#› Анализ клиентских данных • Сегментация клиентов • Анализ продуктов (ABC-XYZ) • Профилирование – ответы на опросы – поведение на Web сайте (акции, продукты, партнѐры, подписка на новости) – Учѐт статуса информированности о спецпредложениях • Анализ злоупотреблений • Анализ привлечения • Анализ удержания Аналитические хранилища данных
  • 10. ‹#› Сегментация • Исходные данные – Анкета – Профиль – Данные о продажах, выплатах, транзакциях – Отклики от предыдущих кампаний – Данные о поведении из других систем • Сегменты – RFM – Recency, Frequency, Monetary Value – По стратегии рисков – Специальные под акцию – Дополнительные условия Аналитические хранилища данных
  • 11. ‹#› Эффективность коммуникаций • Формирование целевых аудиторий по сегментам и профилям • Фиксирование успешных контактов – актуализация контактных данных • Фиксирование откликов Аналитические хранилища данных
  • 12. ‹#› Примеры сводного анализа данных • Предрасчѐт кредитных лимитов • Анализ удовлетворѐнности и оценок по офисам продаж – NPS – Тайный покупатель Аналитические хранилища данных
  • 13. ‹#› История успеха – Связной Клуб, Промторгбанк • База клиентов – более 10 млн. человек • Объѐм обрабатываемых данных – более 800 МБ в день • Мультивендорное решение (Oracle + Microsoft) • Заказчики данных: – Маркетинг – Колл-центр – Партнѐры – Риски Аналитические хранилища данных
  • 14. ‹#› Практические советы • Планируйте АХД и ИАС как продолженную активность, а не только как проект внедрения • Получите поддержку на уровне высшего руководства • Начните с малого, делайте проект итеративным • Внимательно относитесь к выбору технических средств с учѐтом объѐма хранимых и обрабатываемых данных Аналитические хранилища данных
  • 15. ‹#› О компании • Компания RapidSoft разрабатывает, развивает и поддерживает корпоративные IT-решения с повышенными требованиями к надежности и производительности • Основана в 1999 году • Имеет статус Microsoft Gold Certified Partner, в том числе в компетенции «Решения управления базами данных» и Oracle Gold Partner Наши клиенты и пользователи:
  • 16. ‹#› Контактная информация Егор Шокуров – вице-президент E-mail: egors@rapidsoft.ru Тел.: +7 (495) 926-58-09 125130, Москва, Старопетровский пр-д д.7А строение 25 подъезд 6 этаж 2 www.rapidsoft.ru