Big Data cо скоростью кейса

Сейчас уже никого не интересует вопрос, что такое Big Data. От маркетингового бума и рассказов — сколько много всего можно извлечь из больших данных — мы поднимаемся на следующую ступень и переходим к наиболее интересному этапу развития технологий — технологий анализа данных.

Если в течение нескольких последних лет вся шумиха приводила к появлению проектов по построению решений для хранения данных, то сейчас каждый клиент интересуется — зачем ему вся эта инфраструктура, если он не понимает под какую бизнес задачу он ее может использовать. С чего же начать?

В Российском бизнесе очень явно прослеживается тенденция использовать решения, которые уже есть у кого-то. Если кто-то что-то внедрил или начал внедрять у себя, то старт аналогичного проекта у ближайшего конкурента не заставит себя ждать. Ну или как минимум будет четкое понимание, почему нам не нужно стартовать эту тему (по крайней мере пока не будет явного результата у конкурента).

С учетом кризисных течений, которые меняют наши подходы к ведению бизнеса в последнее время, тенденция следить за тем, что делают конкуренты только усилилась. Никто не хочет потратить деньги и «обучить» рынок, что делать не следует.

Так же происходит и с проектами по большим данным. Скорость их появления и распространения прямо пропорциональна скорости появления успешных кейсов на рынке. И тут встает очень важный вопрос. Ждать ли появления рабочего кейса или запускать процесс инноваций в организации, ставить на поток отработку аналитических гипотез и активно «создавать» новых людей с гордым званием Data Scientist.

Как я уже говорил ранее, наиболее ценными данными для организации являются собственные — First Party Data. Именно из них возможно извлечение максимально возможных знаний для повышения эффективности бизнеса. И именно поэтому ориентироваться на кейсы, которые реализует кто-то из конкурентов и коллег по рынку, а потом стараться повторить их на своих собственных данных, крайне не конструктивно.

Мы сталкивались на собственном опыте когда, например, обогащение CRM данных, данными из внешних источников приводило к совершенно разным результатам даже у ближайших с точки зрения операционной деятельности банков. В одном случае был получен очень хороший результат, а в другом игра не стоила свеч.

Не стоит искать кейс, который подойдет, как вам кажется, на 100% к вашей организации. Использование больших данных в организации не должно рассматриваться как точечный проект. Это длинный путь, в котором вам предстоит проверить множество гипотез, удачных и не очень. Но с каждым шагом вы будете получать все больше и больше новых знаний о ваших клиентах. А с пониманием, что вы можете извлечь из ваших данных, вы сможете понять какие внешние данные смогут существенно повысить результативность ваших гипотез.

Построение процесса проработки гипотез и отработки кейсов очень тесно перекликается с постановкой на поток процесса инноваций. Ключевым элементом в этом процессе являются Бизнес подразделения, которые должны стать драйверами и генераторами гипотез для проработки.

И, возможно, начав работать с большими данными, вы сможете открыть в своей организации новый управляемый поток инноваций, кейсов и идей, выводящий организацию на новые уровни развития!