А ваша Аналитика уже «дозрела» до Big Data?

Oчередной срез анализа рынка Больших Данных от Gartner подтверждает тренды сегодняшнего дня. Big Data перешла в стадию зрелости, когда от нее требуют «доказательства результата». Поэтому очевидно, что задачи стремительно перемещаются в область аналитики.

Big Data Analytics Maturity

Как изменилось отношение к Big Data за последний год? Какие отрасли наиболее продвинулись в извлечении знаний из данных? Как поменялись приоритеты?

Лучших сотрудников подберет Machine Learning!

Kак найти кандидатов, которые идеально подойдут к существующей команде? Можно ли подобрать самых лучших продавцов с помощью машинного обучения и больших данных?

Machine Learning Recruitment

На прошедшем международном саммите HR Digital 2015  я поделился кейсом CleverDATA по подбору персонала для Inventive Retail Group. Обогащение данных и применение современных методов работы с данными позволяет существенно улучшить качество подбора и сократить расходы. Но главным является то, что…

Digital Transformation 101: Marketing Technology & Big Data

Kто знает ответ на вопрос какие технологии нужно изучать завтра, чтобы «быть на коне» через пять лет? Слишком быстро меняется мир. Но очевидно, что сейчас мы вступили в новую фазу — эпоху Данных, в которой появились инструменты, позволяющие находить в них ценные бриллианты.

Развитие технологий хранения и обработки Больших Данных (Big Data), развитие Науки о Данных (Data Science) не было бы столь стремительным, если бы не происходили тектонические сдвиги в поведении людей, повальной мобилизации, перемещения в социальные миры, облака и огромного потока цифровых данных экспоненциально растущих с каждым днем. Бизнес реагирует соответствующим образом, запуская глобальные процессы Цифровой Трансформации (Digital Transformation). Как удержаться на волне в этом бурном потоке изменений?

10 Data Историй — Big Predictive Data

Mного кейсов не бывает. Тем более когда ими делятся такие компании, как Blue Yonder. Одна из компаний, отмеченных Gartner как Cool Vendor in Data Science в 2015 году опубликовала свои собственные кейсы по прогнозной аналитике и большим данным.

big predictive data stories

Кейсы на любой вкус (даже есть с графиками и цифрами).

  1. Кому из покупателей лучше предложить новый каталог товаров, и с меньшими затратами увеличить продажи?
  2. Как оптимизировать цепочку поставок продукции объединив данные магазинов с данными о погоде, туристических потоках и сократить расходы на планирование поставок?
  3. Как предсказать выход из строя уличного освещения, используя данные с сенсоров, историю поломок и прогнозы поведения людей на улицах, тем самым существенно сократить расходы на поддержание работы сети освещения на улице ?
  4. Как выстроить работу «сети булочной» и всегда радовать посетителей горячей выпечкой, учитывая историю посещений, календарные праздники и каникулы, время дня и продажу сопутствующих товаров?
  5. Как можно динамически устанавливать оптимальную цену в зависимости от погоды?
  6. Как правильно скомпоновать набор из разных суши, чтобы увеличить продажи, с учетом истории покупок и корреляций между разными блюдами?
  7. Как оптимизировать работу колл-центра, понимая поведение людей даже только на основании истории работы и звонков?

и еще несколько неплохих примеров и выводов. Документ доступен по ссылке.

С каждым днем кейсов по прогнозному анализу и применению больших данных (я публиковал ранее кейсы, в B2B продажах,  в маркетинге, энергетике, Starbucks и Verizon, и многие другие) становится все больше.

И каждый день компании, специализирующиеся на монетизации больших данных, становятся как минимум на один кейс умнее!

Big Predictive Data Analytics!

 

Как стать Data Scientist и получить работу!

A вы уверены, что это вам нужно? Работа в роли Data Scientist всего лишь одна из наиболее востребованных профессий в 21 веке. Сейчас об этом не говорит только ленивый. Как же получить эту должность и стать Data Scientist профессионалом?

Как стать Data Scientist

Спасибо робототехнике, искусственному интеллекту и машинному обучению, которые «отправляют в небытие» множество профессий и рождают новый класс профессионалов, которые умеют из сухих данных извлечь совершенно новые знания и изменить существующие модели ведения бизнеса.

Process Mining — обнажаем реальность

Kак «увидеть» организацию? Увидеть реальные процессы, проходящие через множество департаментов, отделов, протяженные во времени и пространстве? Задача Process Mining — показать как на самом деле работает организация, как на самом деле «доставляется ценность» клиенту.

Process Mining

Когда речь заходит о Больших Данных и кейсах, то Process Mining возникает как связующее звено между данными в организации и системами автоматизации.

Систематизируем кейсы Big Data

Big Data все еще остается загадкой для рынка. Компании пытаются найти бизнес-кейс, который произведет всеобщий ВАУ!-эффект и позволит им опередить конкурентов. Поиск усложняется еще и тем, что для каждой отрасли, да и для каждой компании, удачный опыт использования больших данных остается уникальным.

Систематизируем кейсы Big Data

Что означает Big Data для организации, очень сильно зависит от типа компании, накопленных данных, внутренних процессов, технологической зрелости и многих других переменных. В каждом случае можно придумать несколько кейсов для старта и пилотного проекта. Как выбрать правильный кейс? Мы в CleverDATA используем следующую модель.

Куда катится Big Data

B последнем отчете Gartner о зрелости технологий (Gartner Hype Cycle)  Big Data уверенно преодолела «пик завышенных ожиданий» и приступила к естественному «качению» с горки. Для большинства технологий именно этот Этап является наиболее значимым в достижении требуемого рынком уровня зрелости.

Рынок приступает к решению конкретных бизнес задач, и от их результатов будет зависеть, насколько технология сможет уверенно развиваться дальше, насколько конкурентным будет ландшафт игроков, и сколько прибыли в итоге каждый участник экосистемы сможет из этого извлечь.

3 больших проблемы больших данных

B 2014 году Большие данные были на пике интереса у инвесторов. Инвесторы продолжают вкладывать деньги в новые технологические компании и решения, а организации переходят от пилотных проектов к системному процессу работы с данными — организацией хранения, повышением доступности и к коммерческому применению результатов анализа накапливаемых данных. Но если данные настолько ценны, то почему еще не все компании научились извлекать из них ценные знания?

Барьеры, как и в большинстве проектов, лежат в сфере человеческих факторов. Можно выделить 3 ключевых проблемы больших данных, требующих пристального внимания.

Прекратите ваши инновации!

Bот именно так я воспринял заявления некоторых банков на вчерашнем форуме Retail Finance о заморозке бюджетов на инновации в 2015 году. Радует, что не все банки так мыслят.  Потому как только непониманием, что же такое Инновации, я могу это объяснить.

Инновации — это не просто новый банковский продукт или старый продукт, предоставляемый клиенту по новым каналам взаимодействия! Без инноваций сейчас нельзя построить клиенто-ориентированную организацию. Давайте разбираться.