08.04.2020, 16:45
Количество просмотров 2701

Новый подход к анализу больших данных – от дорогостоящих систем к доступным облачным решениям

О пользе и преимуществах, которые большие данные несут ритейлу, можно говорить бесконечно. Но возникает вопрос: как анализировать эту информацию с наименьшими затратами и наибольшей эффективностью? Рассказывает Егор Осипов, руководитель направления Big Data компании КРОК.
Новый подход к анализу больших данных – от дорогостоящих систем к доступным облачным решениям

 - рис.1

Егор Осипов, руководитель направления Big Data компании КРОК

Цифровизация охватила практически все отрасли экономики и сферы жизни современного человека. Распространение цифровых технологий повлекло за собой значительный рост источников получения данных и бурный рост объемов информации. Большие данные теперь нужно не просто собирать, сохранять и накапливать, но и уметь их обрабатывать в режиме реального времени. И на основании этого анализа принимать стратегические и операционные решения, позволяющие бизнесу более эффективно работать с клиентами, держать руку на пульсе рыночных тенденций, моментально реагировать на любые изменения.

При грамотном использовании больших данных бизнес будет знать о клиенте всё: его предпочтения, историю покупок, платежеспособность, геолокацию и многое другое. Технологии Big Data сегодня применяются во многих отраслях. В промышленности, в строительном секторе и даже на транспорте преимущественно оперируют информацией, полученной от «умных» устройств и датчиков. А в таких отраслях, как финансы, и особенно ритейл, в центре потока больших данных – человек, покупатель.

Стоит покупателю войти в магазин, как он моментально становится объектом сбора информации. Решения в области видеоаналитики определяют пол и возраст, отслеживают перемещение человека по торговому залу. Наиболее продвинутые ритейлеры используют геолокационные маячки, благодаря которым можно составить достоверную тепловую карту покупательского движения по торговому залу. Это, в свою очередь, позволяет оптимизировать выкладку товара и тем самым увеличить выручку.

Не менее перспективными источниками для сбора больших данных являются история покупок и программы лояльности. Сегодня почти все торговые сети предлагают покупателям дисконтную или накопительную карту либо приложение для смартфона, которое нужно предъявить кассиру при оплате. Магазин получает «портрет» покупателя, учитывающий его интересы и платежеспособность, а покупателю становятся доступны различные персональные предложения и скидки, в том числе акции к его дню рождения и другим праздникам. Данные о потребителях и их предпочтениях становятся основой для генерации аналитики. С их помощью можно получить исчерпывающую картину по спросу на товарные категории и отдельные позиции вплоть до отдельно взятого магазина. Не будем забывать и другие источники получения данных для ритейла – интернет-заказы, маркетинговые исследования, активность покупателей в социальных сетях и т. д. Это лишь некоторые примеры того, как грамотный и эффективный анализ больших данных помогает ритейлу увеличивать прибыль без особых затрат, расширять ассортимент, завоевывать новые рынки. Big Data – это, по сути, тоже товар, который можно продавать и покупать, а также формировать на его основе партнерские отношения с другими игроками рынка — банками, телеком-операторами и т.д. Наиболее крупные торговые сети уже идут по этому пути, и вполне успешно.

О пользе и преимуществах, которые большие данные несут ритейлу, можно говорить бесконечно. Но возникает вопрос: как анализировать эту информацию с наименьшими затратами и наибольшей эффективностью? Ведь результаты этой аналитики нужно бизнесу не в конце месяца или квартала, а сегодня, «здесь и сейчас».

Существуют различные технологические подходы к хранению и обработке Big Data. Можно использовать традиционные серверные решения и дисковые накопители, но они, к сожалению, в силу объективных ограничений не могут гарантировать оперативность предоставления результатов. Существенное ускорение предоставляют технологии обработки данных в оперативной памяти (in-memory), а также гибридные решения на их основе. Но стоимость их остается довольно высокой, и такие продукты не всегда могут окупиться даже в крупной компании.

В качестве альтернативы ритейлерам можно рекомендовать облачные платформы для обработки больших данных. Ведь именно благодаря облакам бизнес может использовать ИТ как сервис без приобретения дорогостоящей инфраструктуры и инвестиций в вычислительные ресурсы. В то же время облачная модель предполагает оплату только тех мощностей, которые реально используются для решения стоящих перед бизнесом задач. На российском ИТ-рынке можно найти как зарубежные облачные платформы, включающие в себя корпоративное хранилище данных и мощные инструменты бизнес-аналитики, так и отечественные разработки, построенные как на российских технологиях, так и базирующихся на компонентах с открытым исходным кодом. Один из примеров — сервис КРОК Облачные сервисы, в основе которого корпоративное решение, позволяющее аккумулировать все данные компании в облачном Data lake и работать с ними при помощи BI-систем и data science-инструментов.

Облачные Big Data помогают сократить не только затраты на инфраструктуру, но и скорость реализации бизнес-задач. Например, бизнес-процессы одного из наших клиентов оказались под угрозой из-за задержек в поставках оборудования. Чтобы решить проблему и обеспечить клиента системой для анализа данных, было решено развернуть ПО из облака. В результате за те три месяца, что компания в тестовом режиме использовала облачный продукт, она смогла удостовериться, что затраты на ИТ за счет перехода от CAPEX (покупки железа) к OPEX (облаку) могут доходить до 5 раз, при этом сроки внедрения сокращаются на 6-8 недель.

Другой пример из нашей практики: в одной крупной сети гипермаркетов решили бороться с магазинными кражами с помощью синергии облаков, Big Data и офлайна – системы видеонаблюдения и мониторинга нарушений на основе машинного зрения. Так как у заказчика не было собственной развитой ИТ-инфраструктуры для этой задачи, специалисты компании внедрили облачную систему видеоаналитики в формате управляемого сервиса. Появление этой системы позволило отслеживать в режиме реального времени посетителей из «черного списка». В результате это привело к ежемесячному снижению краж в гипермаркетах сети. Потери от подобной деятельности у крупных ритейлеров могут исчисляться миллионами рублей.

В каком направлении будет развиваться российский рынок Big Data-решений для ритейла? Скорее всего, это будет упрощение и удобство для конечных пользователей. Для развертывания и запуска платформы по сбору и обработке данных в корпоративном дата-центре необходим собственный ИТ-департамент, для подключения облачной платформы также нужны ИТ-специалисты. Но когда подключить облачную Big Data-платформу будет так же легко, как сегодня интернет-эквайринг или любой другой сервис, весь ритейл изменится кардинальным образом.

Рубрика:
{}Технологии

ТАКЖЕ ПО ТЕМЕ