Как монетизировать big data в России
Главная Аналитика, Финтех, Технологический сектор, Россия

Павел Лихницкий, генеральный директор DIS Group, рассказал, как российские компании учатся зарабатывать на больших данных и что им мешает на этом пути.

Раньше данные использовались только для описательной аналитики (например, для фиксации выполнения ключевых показателей эффективности — KPI, составления корпоративной отчетности) и повышения операционной эффективности.

Однако с появлением big data появились и другие методы применения данных:

  • Поиск инсайтов (полезные для бизнеса закономерности в данных),
  • Тестирование бизнес-гипотез,
  • Масштабная визуализация данных,
  • Предиктивная аналитика.

Предиктивную аналитику в частности используют для:

  • Прогнозирования продаж,
  • Обнаружения мошенничества,
  • Маркетингового и клиентского анализов,
  • Создания рекомендательных сервисов,
  • Предсказания поломок и сбоев в работе оборудования.

Чаще всего большие данные используются для создания персональных предложений.

Все эти способы применения относятся к так называемой внутренней монетизации данных (повышение эффективности ведения бизнеса внутри компании). Однако есть и внешнее направление монетизации. Теперь компании могут продавать свои данные и результаты их аналитики.

Как и в любой другой сфере, в монетизации больших данных есть и достижения, и проблемы.

Достижение №1. В лидирующих отраслях растут прибыли от внешней монетизации big data

Первопроходцы внутренней монетизации ​— цифровые платформы, банки и операторы связи. Эти индустрии первыми начали получать прибыль от внешней монетизации данных. Сейчас объем этой прибыли активно растет.

Так, МТС монетизирует данные геолокации абонентов. Правительство Москвы использует эти данные для планирования маршрутов транспорта, изменений в инфраструктуре и в других целях. Рекламный бизнес применяет такие данные для оптимизации показа наружной рекламы.

А Теле2 аналитика big data позволила в прошлом году заработать на 1024% больше, чем в 2017-м. МТС в 2019 году ожидает увеличения прибыли от проектов на основе больших данных на 30%.

Перед продажей компании обезличивают данные, персональная и конфиденциальная информация из них удаляется. Таким образом, клиентам компаний ничто не грозит.

Несомненно, в будущем прибыли от внешней монетизации больших данных будут расти еще активнее. Ведущая исследовательская компания в области IT Gartner предсказывает, что к 2020 году четверть крупных организаций будет покупать или продавать данные.

В России развитие внешней монетизации во многом будет зависеть от доработок законодательства. Сегодня в законах пока не прописано четкое определение больших данных и не описаны схемы работы с ними.

Достижение №2. Компании реального сектора начали активно использовать big data

Еще совсем недавно реальный сектор не уделял работе с данными должного внимания. Сейчас ситуация изменилась. Это вызвано многими факторами:

  • Развитием «интернета вещей»,
  • Высокой конкуренцией на рынке,
  • Развитием технологий обработки и хранения данных.

Многие компании реального сектора активно создают цифровых двойников активов. Цифровой двойник — система взаимосвязанных данных, описывающих все аспекты реального актива. Цифровой двойник включает в себя данные о технических характеристиках актива, параметры технологических цепочек, в которые он включен, данные о фактическом состоянии и другое.

Цифровые двойники уже сегодня позволяют решать многие практические задачи, в том числе:

  • Предсказывать утечку газа,
  • Оптимизировать производственные цепочки,
  • Оптимизировать режим работы оборудования, ремонтных кампаний и многое другое.

Достижение №3. Большие данные позволяют внедрять новые бизнес-модели и выходить на новые рынки

Многие рынки сейчас насыщены, компаниям сложно увеличивать на них свою долю. Если вы продали своему клиенту один автомобиль, то не сможете сразу же продать ему второй. Однако, владея информацией о такой покупке, вы сможете предложить ему страховку или парковочное место рядом с домом.

Компании, которые уже научились эффективно работать с данными, строят вокруг них свой бизнес. Для этого они и меняют бизнес-модели и осваивают новые рынки.

Препятствие №1. Низкое качество данных, нехватка Data Governance — стратегического управления данными

Стандартные вопросы повышения качества данных (дедупликация, очистка) до сих пор решены не во всех компаниях. Во многих из них хранятся «темные данные» — данные, которые по разным причинам оказываются вне аналитики. Из-за того что «темные данные» исключены из аналитики, результаты последней могут быть недостаточно достоверными.

Для эффективного применения больших данных не хватает стратегического подхода к их управлению. Выстраивание стратегического управления данными — Data Governance — сложный и долгий процесс. Он требует изменения во всей корпоративной структуре компании — в частности, выстраивания правильных бизнес-процессов, эффективной организационной структуры, новых положений и регламентов, распределения ответственности, новых ролевых моделей.

Препятствие №2. Нехватка кадров

Еще одна проблема, которая мешает реализовать весь потенциал больших данных, — дефицит кадров. Организации, которые активнее всего работают с большими данными, уже взяли решение этой проблемы в свои руки. Так, Вымпелком создал свою школу data scientists, Ростелеком — школу инженеров по данным.

Препятствие №3. Неточные расчеты рентабельности проектов big data

Затраты на каждый проект big data могут различаться в зависимости от применяемых технологий, стоимости поддержки, объемов данных и стоимости специалистов. Значительно снизить расходы может помочь автоматизация процессов работы с большими данными (например, их интеграции). А вот выгода от продуктов open-source может быть перекрыта высокой стоимостью их поддержки.

Чтобы проект big data приносил прибыль, нужно тщательно подходить к расчету его рентабельности. Большие данные — это актив компании, и управлять ими нужно как активом.

Как сделать так, чтобы проект big data приносил прибыль

  1. Определить ликвидность актива
  2. Оценить возврат от этого актива (используйте показатель ROA)

Точные расчеты рентабельности позволят российским компаниям эффективно организовать как внутреннюю, так и внешнюю монетизацию. Эффективная монетизация данных сейчас становится важнейшим конкурентным преимуществом. Так, по прогнозам исследовательской компании International Data Corporation, к 2022-му прибыль от внедрения технологий big data и business intelligence достигнет 260 млрд долларов в год.

Подписывайтесь на наш канал в Яндекс.Дзен. Много эксклюзивных историй, полезных материалов и красивых фото.

Читайте также:
Пожалуйста, опишите ошибку
Закрыть