Big Data w handlu, bankowości i transporcie

Big Data w handlu, bankowości i transporcie web.gov.pl

Jeszcze do niedawna samo przechowywanie dużych ilości danych stanowiło wyzwanie da przedsiębiorców. Dziś to ich przetwarzanie i wykorzystanie staje się kluczowym czynnikiem konkurencyjności. Big data zmienia oblicze biznesu.

Czym jest Big Data?

Pojęcie Big Data ewoluowało na przestrzeni kilkudziesięciu lat i nie jest dzisiaj jednoznacznie rozumiane. Najczęściej media piszące na ten temat przyjmują definicję Douglasa Laney’a, który w 2001 roku stwierdził, że jest to ogromna ilość danych generowanych w bardzo szybkim tempie i zawierająca duże ilości treści. Charakterystyka Biga Data opiera się na zasadzie 4V (z ang. volume, variety, velocity, value): objętość (duża ilość danych), różnorodność (dowolne typy danych), prędkość (duża zmienność, dynamiczność danych) i value (wartość lub ocena wyrażana poprzez weryfikację).

Definicja Gartnera z 2012 roku zakłada, że Big Data to zbiory informacji o dużej objętości, dużej zmienności lub dużej różnorodności, które wymagają nowych form przetwarzania w celu wspomagania podejmowania decyzji, odkrywania nowych zjawisk oraz optymalizacji procesów. Osiągnięcie tych założeń możliwe jest dzięki analizie oraz odpowiednim sposobom przedstawiania konkluzji. Dlatego Big Data to nie tylko gromadzenie i przetwarzanie danych, ale przede wszystkim wnioskowanie i wizualizacja danych niezbędne dla uzyskania określonych korzyści biznesowych.

Jakość ma znaczenie, nie ilość

W dobie dzisiejszego internetu każdego dnia gromadzone i przetwarzane są całe petabajty (miliony gigabajtów) danych. Szacuje się, że do serwisu You Tube co godzinę trafia 100 godzin filmów, a dziennie zamieszczanych jest 85 tys. filmów, które zajmują około2400 gigabajtów. Facebook posiada bazę miliarda użytkowników, którzy wprowadzają miesięcznie 10 milionów filmów i miliard zdjęć. Już w 2008 roku Google przetwarzał dziennie 24 petabajtów danych, z kolei w 2011 roku Jeff Bezos – właściciel Amazon stwierdził, że jego chmura S3 przechowuje miliard obiektów.

Podobne artykuły:

Biorąc pod uwagę, że obiektem może być wszystko, od zdjęcia po wielostrukturową bazę danych, i przyjmując, że średni rozmiar pliku wynosi 1 megabajt, to w efekcie może oznaczać nawet eksabajt danych (miliard gigabajtów). Według badań przeprowadzonych w 2011 roku przez naukowców z Uniwersytetu Południowej Kalifornii ilość danych zgromadzonych globalnie w internecie i na urządzeniach poza siecią przekracza 295 eksabajtów. Przy tak pokaźnej liczbie wydaje się, że przechowywanie danych nie stanowi aktualnie wielkiego wyzwania. Ogromne znaczenie ma dziś raczej to, w jaki sposób te dane zostają wykorzystane.

Big Data – zastosowanie w biznesie

Zastosowanie Big Data we współczesnym biznesie pozwala firmom uzyskać realną przewagę konkurencyjną, a ośrodkom badawczym zwiększyć efektywność prowadzonych eksploracji. Analiza dużych wolumenów danych jest wykorzystywana w sektorach: finansowym, telekomunikacji, opieki zdrowotnej, biotechnologii, w badaniach naukowych (zwłaszcza badaniach kosmicznych), branży internetowej, szczególnie e-commerce, w reklamie, turystyce, serwisach społecznościowych, portalach informacyjnych, a także przemyśle i usługach o globalnym zasięgu. Oczekiwania dotyczące Big Data są ogromne i zakłada się, że zbieranie informacji z każdego źródła (urządzenia, internet) będzie powszechne już wkrótce niemal dla każdego przedsiębiorstwa bez względu na jego wielkość (dziś pozwalają sobie na to wciąż jedynie najwięksi rynkowi potentaci). Odpowiednie wykorzystanie potencjału wnioskowania i analizy ogromnych ilości danych pozwoli poszczególnym jednostkom biznesowym znaleźć odpowiedzi umożliwiające: redukcję kosztów, redukcję czasu, szybsze i bardziej adekwatne podejmowanie decyzji biznesowych, rozwój nowych produktów i tworzenie zoptymalizowanych ofert, ale też obserwowanie i wyłanianie rynkowych trendów. Istotnym aspektem jest również automatyzacja i upraszczanie procesów wewnątrz organizacji. Umiejętna integracja systemów i analiza pochodzących z nich danych może wydatnie ułatwić produkcję, obsługę logistyczną i wiele innych.

Big Data w transporcie: oszczędności na dużą skalę

Znakomitym przykładem w dziedzinie optymalizacji procesów logistycznych jest amerykańska firma spedycyjna UPS, która w ramach programu badawczo-analitycznego ORION wykorzystuje sensory zamontowane w ponad 46 tysiącach pojazdów, używając ich do monitorowania m.in. prędkości, kierunku jazdy czy zużycia paliwa w danym momencie. Otrzymywane informacje służą do wytyczania najbardziej efektywnego planu trasy oraz, współpracując z innymi systemami, pozwalają reagować w bardzo krótkim czasie na zmiany wynikające z potrzeb klientów. Dzięki temu UPS może w bardzo krótkim czasie modyfikować trasy kierowców uwzględniając w nich nowe miejsca załadunku i wydania przesyłek. Dzięki sprawnej organizacji firma oszczędza około 5,5 mln litrów paliwa, rocznie co jest równoznaczne z oszczędnością ponad50 mln dolarów rocznie.

Podobne artykuły:

Big data w bankowości: ocena wiarygodności

W bankowości powszechnie stosuje się analizę Big Data do oszacowania wartości klienta i dostosowania oferty do jego możliwości. Na podstawie weryfikacji danych o kliencie systemy bankowe są w stanie automatycznie ocenić ryzyko i wydać decyzję kredytową. W tym celu wykorzystywane są m.in. informacje (np. pliki cookies) zostawiane przez użytkowników w serwisach internetowych – portalach społecznościowych, platformach zakupowych. Przewagę metod analitycznych nad tradycyjną weryfikacją wniosków pożyczkowych potwierdzają statystyki – spłata blisko 90 proc. udzielonych w ten sposób kredytów realizowana jest w terminie, a jest to znacznie więcej niż wynosi średnia w branży.

Big data w telekomunikacji: lojalność klienta

Dla niektórych Big Data to sposób dotarcia do nowych możliwości i szans biznesowych, natomiast dla innych metoda na rozwiązanie palących problemów. Korporacje telekomunikacyjne zmagają się z rosnącymryzykiem odejścia klientów (tzw. churn), dlatego koncentrują swe działania na poszukiwaniu sposobów zwiększenia ich lojalności. Analiza wielkiej ilości danych o konsumentach, umożliwia zneutralizowanie tego ryzyka. Kluczową rolę odgrywają tutaj metody wizualizacji przepływu zdarzeń, które spośród wszystkich możliwych ścieżek przepływu pozwalają szybko wyodrębnić te prowadzące do odejścia klienta. To z kolei pozwala na podjęcie odpowiedniej reakcji, aby klienta zatrzymać. Skuteczne wykorzystanie analityki prowadzi do precyzyjnego zdefiniowania potrzeb konsumenta, w tym zwłaszcza określenia elementów usługi, na których szczególnie mu zależy. W efekcie możliwe jest stworzenie sprofilowanej konkurencyjnej oferty z której skorzysta przedłużając umowę z operatorem.

Big data w handlu: personalizacja kluczem do skutecznej sprzedaży

Big Data znajduje praktyczne zastosowanie przede wszystkim w e-handlu i szeroko rozumianej branży internetowej. Skutecznie rozwiązuje problem bezosobowej relacji z klientem analizując informacje przez niego pozostawione i pozwala dopasować ofertę do potrzeb i preferencji kupujących. E-przedsiębiorcy oszczędzają czas, rekomendując klientom adekwatne produkty i usługi oraz zapewniają sprawną obsługę reklamacji i zwrotów poprzez dynamiczną reakcję na smsowe, telefoniczne lub mailowe zgłoszenie. Tę metodę efektywnie wykorzystuje Amazon, którego pracownicy w kilkadziesiąt sekund po otrzymaniu zgłoszenia kontaktują się z klientem, traktując go indywidualnie dzięki przechowywaniu o nim istotnych informacji. Personalizacja klienta w e-commerce to wiodący obecnie trend, który w działaniu na wielką skalę nie jest możliwy bez zastosowania technik Big Data. Popularne dziś systemy rekomendacji (np. Gravity Reco, Avail, Quarticon, Evergage) dobierają dynamicznie produkty do upodobań klientów, prezentując im oferty w dowolnym momencie ścieżki zakupowej.

Podobne artykuły:

Analiza danych historycznych umożliwia precyzyjne kierowanie oferty do grupy docelowej bez konieczności zwiększania wydatków na pozyskanie ruchu do e-serwisu. Według różnych źródeł, dzięki zastosowaniu personalizowanych rekomendacji możliwe jest zwiększenie ilości zamówień o 5 do nawet 30 procent. Liderem i pionierem w tym obszarze jest Amazon, a na polskim rynku personalizację ofert online stosują duzi gracze m.in. Euro RTV AGD, Leroy Merlin, czy Top Secret. Obok systemów rekomendacji duże znaczenie dla e-marketerów ma dziś marketing automation (MA), który dzięki analizie zachowań użytkowników online pozwala kierować do nich rozmaite akcje w czasie rzeczywistym. System przetwarza informacje behawioralne o użytkowniku i odpowiednio go segmentuje dokonując rozmaitych analiz jakościowych i prognoz weryfikując jego potencjalną wartość biznesową. Za pomocą tak zaawansowanego podejścia dział sprzedaży danej firmy koncentruje się tylko na tych klientach, którzy niosą ze sobą obietnicę generowania rzeczywistych zysków, nie tracąc czasu na tych, którzy nie rokują. Popularność systemów MA wzrasta w szybkim tempie, a na rynku nie brakuje świetnych rozwiązań o start-upowym rodowodzie, m.in. Eloqua (Oracle), Base CRM, czy Sales Manago.



Informacja jest kluczowa dla ambitnych firm



Artur Kurasiński
Współtwórca Fokus- smarter analytics oraz MUSE. Przedsiębiorca skupiony na wspieraniu i inwestowaniu w projekty technologiczne na wczesnym etapie rozwoju. Mentor, bloger oraz aktywny komentator branżowy. Współtwórca cyklu spotkań Aula Polska oraz nagród Aulery.


Wykorzystanie i zarządzanie informacją jest kluczowe dla firm, które obecnie mają ambicję podbicia światowych rynków. Duża część rynku (we wszystkich branżach) staje się zależna od gromadzenia i przetwarzania ogromnych ilości informacji. Big Data to nie jest przyszłość - to teraźniejszość. Te podmioty, które szybko nauczą się tworzyć przewagę konkurencyjną wygrają w długim okresie. Duża część istniejących firm na chwilę obecną to firmy z DNA zanurzonym w technologiach - Amazon, Uber, Facebook, Apple. Bez identyfikowania trendów, bez obróbki informacji i wyprowadzania wniosków nie zdołałyby osiągnąć takiej pozycji rynkowej.


Analityka predyktywna, czyli czytając w myślach konsumenta

W kontekście personalizacji szczególnie interesującą rolę może odegrać analityka predyktywna, dzięki której możliwe będzie zaspokajanie oczekiwań jeszcze nieuświadomionych. Za pomocą analizy danych firmy będą w stanie przewidzieć potrzebę konsumenta przed jej rzeczywistym powstaniem. Już dzisiaj duże sieci internetowej sprzedaży stosują tę technikę, gdy na podstawie analizy danych dotyczących cyklicznych zakupów są w stanie przewidzieć, kiedy skończą się zakupione artykuły, i zaproponować klientowi ofertę lepszą niż konkurencja. Przetwarzanie i segmentowanie danych o preferencjach klienta pozwala przewidzieć jego kolejne kroki zakupowe. Dzięki temu e-sklep może zaproponować produkty komplementarne do już nabytych dostosowując ofertę do okoliczności.

Podobne artykuły:

Na podstawie historii zakupowej, zachowań konsumenta oraz udostępnionych informacji w innych kanałach (np. social media) e-sklepy mogą gromadzić dane o urodzinach, rocznicach, imieninach rodziny i przyjaciół klienta, a następnie oferować interesujące produkty w promocyjnych cenach. Idąc o krok dalej, przy odpowiedniej segmentacji klientów i spójnym zbieraniu informacji możliwe jest przetwarzanie danych o poszczególnych członkach rodziny, dzięki czemu e-sklepy mogą na podstawie upodobań tych osób przedstawić ich krewnym propozycje kupna prezentów. Podobne metody stosują dziś zachodni giganci rynku: Amazon, Wal-mart, Zappos. Wspomniany już koncern UPS stosuje analitykę predyktywną do przewidywania wymogów utrzymania samochodów dostawczych. Przy tak dużej ilości dostarczania paczek dziennie, każda awaria generuje wielkie straty oraz powoduje niezadowolenie klienta z powodu niedostarczenia przesyłki na czas. Prognozowanie i planowanie konserwacji pojazdów pozwala oszczędzić kolejne miliony dolarów na nieprzewidziane naprawy oraz zredukować liczbę zgłoszeń w biurze obsługi klienta.

Big data na straży bezpieczeństwa i ochrony zdrowia

Analityka predyktywna może mieć niezwykle szerokie zastosowanie w wymiarze społecznym, szczególnie w działaniach prewencyjnych. Jeśli możliwe będzie kolekcjonowanie informacji o aktywności, sposobie odżywiania, stylu życia danej jednostki, a do tego przeprowadzanie w czasie rzeczywistym badania ciśnienia krwi, cholesterolu i innych parametrów, to możliwe będzie też wczesne wykrycie potencjalnych zagrożeń zdrowia i reagowanie na nie. Tego typu działania już prowadzone są przez koncerny z branży opieki zdrowotnej.

Interesujący przykład wykorzystania analityki predyktywnej stanowią pilotażowe programy zainicjowane w niektórych miastach USA, mające na celu analizę zachowań obywateli w celu określenia stopnia prawdopodobieństwa popełnienia przestępstwa przez daną jednostkę. Jakkolwiek idea zapobiegania przez przewidywanie uznawana jest przez niektórych za kontrowersyjną (w przyszłości może okazać się, że sama myśl o zbrodni będzie przestępstwem), to wstępne wyniki pokazują, że pozwala zredukować przestępczość o kilkanaście procent.

Wraz z postępem technologii zmieniają się perspektywy rozwoju biznesu. Dla wielu przedsiębiorstw Big Data może być kluczem do nowych rozwiązań pozwalających skrócić dystans i formalną relację z klientem oraz wychwytywać nadarzające się okazje biznesowe. Zdobywanie informacji i wiedzy na podstawie cyfrowych danych otwiera nowe horyzonty, które jeszcze kilkanaście lat temu były motywem przewodnim filmów science – fiction. Pozostaje więc żywić nadzieję na to, że potencjał Big Data zostanie właściwie i bezpiecznie wykorzystany z korzyścią dla biznesu oraz konsumentów.

Artykuł pochodzi z serwisu web.gov.pl

Platforma Wspieramy e-Biznes Tomasz Gutkowski