Важнее данных сегодня только большие данные. Количество информации, которое производится каждый день, растет бешеными темпами: согласно исследованию Seagate и IDC, к 2025 году общий объем данных достигнет 163 зеттабайт. И если компании научатся анализировать все важные для них сведения, смогут улучшить бизнес-показатели.
Как именно помогает Big data и статистика
Нет такой сферы, в которой аналитика была бы лишней. По данным CNews Analytics, 76% банков с помощью Big Data привлекают новых клиентов, поддерживают их лояльность и быстрее определяют мошенников. В телекоммуникациях 85% компаний за счет аналитики и технологий создают «умные» маркетинговые кампании.
В ритейле эффективное использование данных может увеличить операционную рентабельность компании на 60%. Ещё одна сфера — железнодорожные перевозки. Итальянские железные дороги сэкономили более $200 млн, когда начали использовали предиктивную модель обслуживания: она позволила прогнозировать поломки деталей и механизмов.
С помощью аналитики компании могут предсказывать поведение клиентов, оптимизировать акции и цены, готовить маркетинговые кампании. Если вы еще сомневаетесь в эффективности Big Data для бизнеса, мы подготовили для вас 8 примеров того, как выигрывают компании, когда используют все возможности анализа данных.
Big Data и уменьшение рисков
Банки постоянно сталкиваются с большими рисками из-за того, что не могут быть уверены в платежеспособности клиентов, которые берут кредиты. Для «Сбербанка» решением проблемы стала технология Big Five. Она заключается в анализе профиля человека и составляет его психологический портрет на основе 5 черт: добросовестности, открытости, общительности, законопослушности и эмоциональной устойчивости.
По словам главы организации Германа Грефа, Big Five помогла «Сбербанку» получить $50 млн чистой прибыли и «выдавать кредиты значительно быстрее большему количеству предпринимателей».
Big Data и лидерство в отрасли
Tesla использует большие данные, чтобы повысить качество своих автомобилей. Все машины компании подключены к общему облаку, которое собирает данные о техническом состоянии в реальном времени. Еще в 2014 году это помогло компании своевременно устранить перегрев, возникавший на некоторых моделях.
Сегодня Tesla собирает данные не только об автомобилях, но и об их водителях. В машинах есть датчики, которые отслеживают положение рук водителя во время вождения и другие характеристики. Это помогает совершенствовать автомобили и адаптировать их под нужды потребителей.
Так компания получает не только качественные, но и количественные изменения: Tesla является единственным успешным игроком на рынке электромобилей. По словам Алексея Ильяшова, архитектора по большим данным в Tesla, рентабельность продажи каждой машины — 19–25%, в то время как средняя рентабельность по отрасли — 10–11%.
Big Data и спасение клиентов
Данные помогают компаниям найти своего потребителя и дать ему то, в чем он нуждается. Зимой 2013–2014 года в разных аэропортах и регионах отменили примерно 3% рейсов. Из-за этого 90 тыс. человек ежедневно застревали в аэропортах. Отдел маркетинга сети отелей Red Roof Inn воспользовался ситуацией и быстро проанализировал информацию о погодных катаклизмах и аэропортах, в которых отменились рейсы.
Сотрудники компании понимали, что люди начнут искать в интернете отели, чтобы остановиться, поэтому запустили маркетинговую кампанию. Она нацеливалась на пользователей мобильных устройств, находящихся в тех аэропортах, где были задержки. В рекламном сообщении людям предлагали просмотреть свободные номера в сети отелей. В итоге в тех регионах, в которых компания применила эту стратегию, ее прибыль выросла на 10%.
Big Data и прибыль
Еще один пример бренда, который сделал ставку на большие данные, — Ford. В 2008 году в годовом отчете компания сообщила об убытках в $4,6 миллиарда. «Кризиc, новый менеджмент и новые перспективы побудили нас взглянуть на вещи по-другому», — сказал Джон Джиндер, директор по операционной аналитике и управлению рисками в Ford.
Тогда в штате появилось 200 экспертов по аналитике, и уже через год компания сообщила о прибыли, чего не происходило в предыдущие 4 года. Ford выпустил 25 новых линеек автомобилей и продал в США 2,3 млн легковых и грузовых машин.
Big Data и креатив
Пример использования больших данных в России — кампания сети быстрого питания Burger King. Команда бренда знала, что в холодную погоду люди чаще выбирают горячие блюда и напитки, а в жару — холодные. Поэтому в Москве, недалеко от своих кафе на 43 цифровых экранах компания внедрила динамические изображения.
Картинка на конструкциях менялась в зависимости от температуры воздуха и тем самым адаптировалась к ожиданиям потребителей. Когда на улице становилось жарко, на экранах транслировался креатив с молочными коктейлями, а при похолодании — изображения с горячими блюдами. Кампания работала в режиме реального времени, демонстрируя посетителям те блюда, которые они, скорее всего, захотят купить. В России кампания оказалось успешной, и ее запустили также в других регионах.
Big Data и производительность
С помощью больших данных инжиниринговая компания QuantumBlack повысила производительность своего штата. Руководство бренда выяснило, что сотрудники менее эффективно работают в командах из более чем 6 человек, причем результаты ухудшаются с появлением каждого нового члена команды, который работает в другом часовом поясе. Также на продуктивность влияло то, насколько хорошо уже знают друг друга сотрудники одной команды. Руководство учло эти нюансы, и общая производительность компании выросла на 22%.
Big Data и лояльность
Порой компания, которая пренебрегает большими данными, теряет из-за этого клиентов, — об этом говорит кейс гонконгской авиакомпании Cathay Pacific. В сентябре 2015 года она объявила об изменении своей программы лояльности: с тех пор постоянные пассажиры могли получить бонусы двумя способами — при покупке либо самых дешевых билетов, либо билетов премиум-класса. То есть у пассажиров больше не было мотивации покупать билеты по среднему тарифу. В итоге в этот период прибыль Cathay Pacific упала на 9,2% согласно отчету самой компании.
Ошибка — в игнорировании данных. Аналитика могла дать компании сигнал о том, что клиенты скоро уйдут. Издание Smart Data Collections проанализировало деятельность компании и оценило тактики, которые могли бы ей помочь:
- Анализ соцмедиа-публикаций участников программы лояльности. После того, как компания рассказала об изменениях, количество положительных отзывов от участников Gold- и Diamond-статусов сократилось на 11,9%.
- Анализ поведения постоянных клиентов по отношению к другим авиакомпаниям. Если человек начинает положительно отзываться о конкуренте и искать о нем информацию, он, скорее всего, думает о смене «своей» авиакомпании.
- Анализ поведения клиентов, которые пользуются услугами нескольких авиакомпаний. Cathay Pacific не наблюдали снижения активности лояльных клиентов, в то время как пассажиропоток компании-конкурента Singapore Airlines увеличивался за счет этих же пассажиров.
Все эти показатели эффективно работают вместе — если бы авиаперевозчик их сложил, получил бы полную картину ситуации на рынке и внутри своей компании.
