Использование компаниями данных о своих клиентах всегда играло важную роль в повышении эффективности как продаж, так и внутренних процессов. При этом клиентские данные несут не только бизнес-выгоды, но и определенные угрозы для бизнеса, обусловленные вероятностью их утечки. И чем мощнее используемые инструменты, тем выше риски.

С появлением в распоряжении компаний Больших Данных многократно увеличились как польза от работы с данными, так и риски: ведь возможности персонализации стали практически безграничными. Работу с клиентами теперь можно строить максимально эффективно, но и попадание собранной информации в чужие руки чревато ударом и по бизнесу, и по самим клиентам. Так, в ходе форума BIG DATA 2016, организованного издательством «Открытые системы», среди докладов экспертов, ориентированных в первую очередь на возможности Больших Данных, были и выступления специалистов, напоминающих о предельной осторожности в обращении с ними.

Вынужденные инвестиции

Когда клиентов много, а прибыль от каждого из них минимальна, обрабатывать данные о них – проблематично. Инвестиции в такую аналитическую работу не окупятся. Чтобы сделать ее оправданной, нужны сверхдешевые технологии. С этой точки зрения технологии Больших Данных действительно стали прорывом, так как обеспечивают очень дешевое хранение и обработку единицы данных – на таком уровне, который раньше даже представить было невозможно.

Леонид Ткаченко, директор департамента стратегического маркетинга МТС:
«Надо думать о том, как, используя умные технологии, сделать любой сервис ультраперсонифицированным. Именно в этом сила Больших Данных»

«С появлением технологий Больших Данных качественно изменились взгляды компаний: сейчас они расценивают данные как информационный актив», – считает Леонид Ткаченко, директор департамента стратегического маркетинга МТС. Здесь уместны аналогии с нефтью, мимо которой люди ходили тысячелетиями и никак не использовали, считая обычной грязью. И только когда был изобретен двигатель внутреннего сгорания, открылась истинная ценность этого вещества.

Несмотря на то что ценность технологий Больших Данных пока еще до конца не выявлена, некий качественный рывок в использовании данных все-таки состоялся. При этом надо понимать, что технологии, в которые пришлось инвестировать телекому, пока не окупились.

«Конечно, мы видим потенциал использования Больших Данных – как в создании новых продуктов для внешнего рынка, так и для повышения внутренней эффективности, оптимизации сети и процессов, а также увеличения выручки», – отмечает Ткаченко. Вместе с тем нельзя не отметить риски инвестиций в них, связанные с сокращением жизненного цикла технологий.

Технология связи 2G существовала почти 15 лет, и у операторов было много времени, чтобы окупить инвестиции в нее. Появившаяся затем технология 3G, тоже требовавшая заметных инвестиций, жила всего пять лет. Сейчас пришла связь 4G, и говорят уже про 5G. «Технологические циклы постоянно ускоряются, и у нас остается все меньше времени, чтобы окупить инвестиции, которые мы вынуждены делать, чтобы не быть сметенными с рынка», – констатирует Ткаченко. Аналогичные риски относятся и к Большим Данным, и вложения в них тоже являются необходимым условием конкурентоспособности. Телеком-рынку свойственен массивный поток непрекращающихся инвестиций, и компании не могут позволить себе остановиться.

Большие Данные: между выгодой и рисками

Заработать на себе

Использование технологий Больших Данных в МТС можно разделить на два направления: внутренние продукты и универсальные продукты, которые можно использовать как самим, так и предлагать на рынке. Внутренние продукты тоже делятся на две основные группы: планирование сети и гарантирование доходов.

«Мы общались со многими компаниями, чтобы определить, на чем нам сфокусироваться. Поняли одну простую вещь: масштабы нашего бизнеса настолько велики, что если мы придумаем, как применить технологии Больших Данных к нам самим, то эффект будет гораздо больше, чем от продажи сервисов на сторону», – говорит Ткаченко. Компания достаточно велика, чтобы заработать на самой себе. Действительно, тяжеловесу с помощью диеты и занятий спортом гораздо проще достичь впечатляющего эффекта, чем человеку со средней комплекцией.

Идея использовать Большие Данные при планировании сети подразумевает несколько направлений. Прежде всего следует создать «журнал оказанных услуг» – полный перечень всех голосовых звонков, SMS и сессий передачи данных с указанием геолокации, геотрека (движения абонента во время оказания услуги), метрик качества услуги и ценности абонента. Таким образом, получится полностью описать все оказанные услуги, и, имея столь полную картину, компания сможет приоритизировать будущие инвестиции, планируя сеть.

Есть и другая интересная задача по оптимизации сети – создание «карты неоказанных услуг». Это нетривиальная задача, потому что речь идет о фиксации того, чего не было. Как правило, после выхода абонента из «белого пятна», где нет покрытия сетью, некоторое время наблюдается повышенная активность – отложенный спрос. Зная среднюю интенсивность потребляемых услуг, можно достаточно точно оценить свои потери.

Имея карту всей страны с белыми зонами и видя неудовлетворенный спрос, а значит, и объем недополученных доходов, можно качественно планировать инвестиции в развитие

«Имея карту всей страны с белыми зонами и видя неудовлетворенный спрос, а значит, и объем недополученных доходов, можно качественно планировать инвестиции в развитие», – уверен Ткаченко. То же самое можно сказать о моментах перегрузки сети. Поняв, сколько услуг не было оказано из-за перегрузки, можно принять решение о необходимости расширения возможностей сети.

В отношении гарантирования доходов есть две проблемы. Иногда сеть перегружается настолько, что компания вынуждена пропускать трафик напрямую без тарификации, не обсчитывая его. Разумеется, денег за это она получить не сможет. Технологии Big Data позволяют такие сессии фиксировать и тарифицировать задним числом, справедливо восстанавливая часть доходов.

Еще одно направление – фиксация сбоев в технической цепочке оказания услуг. Например, если в процессе просмотра видео хотя бы в одном звене происходит сбой, финальную услугу абонент не получает и винит во всем оператора связи. Эти ситуации надо выявлять и устранять, чтобы гарантировать не только лояльность, но и реальное оказание услуг, а значит, и своих доходов.

Траектории клиентов

Отдельного разговора заслуживают универсальные продукты. Главным в их использовании является расширение знаний компании о клиенте.

«Сейчас сотовые операторы по каждому абоненту накапливают примерно 1 тыс. метрик. Мы хотим накапливать 3 тыс. прямых метрик и 2 тыс. косвенных, аналитических», – говорит Ткаченко. Прямые метрики констатируют факты: например, человек с утра вышел из дома, обошел его по кругу и вернулся обратно, а потом пошел на работу. Косвенная же метрика заключается в выводе, что у этого человека есть собака. Наращивание знаний об абонентах по таким косвенным метрикам очень перспективно для формирования интеллектуальных услуг.

Второй категорией продуктов является геоаналитика: накопление и уточнение информации о перемещении людей. Такие сведения могут быть интересны самым разным компаниям. Например, маркетологам торговых сетей низшего ценового уровня всегда было сложно развернуться – аналитические действия с клиентами экономически неоправданны. У них настолько низкая маржа, что они исторически никогда не могли себе позволить иметь программу лояльности. Из-за этого весь поток покупок, совершаемых у таких ретейлеров, остается анонимным, но это не значит, что они не хотят знать, как часто каждый конкретный человек к ним возвращается. Геоаналитика позволяет это сделать. Более того, можно не просто сообщать ретейлеру, с какой интенсивностью клиенты ходят к нему, но и не «изменяют» ли ему с другими магазинами.

Проект, реализованный в одном из банков, заключался в оптимизации сети филиалов. Руководству банка было интересно знать, откуда в его офисы едут клиенты, насколько территориально правильно расположены эти точки. Выяснилось, что 20% филиалов стоило бы перенести – люди совершают «избыточные» поездки. Кроме того, банк интересовали профили наиболее обеспеченных абонентов МТС и пути их перемещения, чтобы понять, где разместить новые офисы с целью «отловить» привлекательных клиентов.

Персонализацию – в массы

Еще один вид услуг, которые можно использовать как самостоятельно, так и предлагать вовне, – повышение качества таргетирования рекламы. Имея 5 тыс. метрик, можно гораздо точнее предсказать, что интересует абонента в данный момент времени. Схема проста: как только человек заходит на сайт, его идентифицируют и данные о нем передаются на рекламную биржу, где за него торгуются агентства, желающие показать свои рекламные баннеры. Это действие длится доли секунды, пока грузится сайт.

«Используя имеющиеся данные, следует научиться тонко прогнозировать потребности человека, и тогда компания сможет побеждать в аукционах за показ рекламы, которая с большой вероятностью будет ему интересна. Наша цель – разом ворваться на рынок цифровой рекламы», – заявляет Ткаченко.

Используя имеющиеся данные, следует научиться тонко прогнозировать потребности человека, и тогда компания сможет побеждать в аукционах за показ рекламы, которая с большой вероятностью будет ему интересна

Также набирает популярность категория аналитических услуг – помощь банкам в оценке надежности заемщиков посредством уточнения скоринговых моделей. У МТС есть свой банк, и, по словам Ткаченко, в сотрудничестве с ним налицо потрясающий успех: данные оператора позволяют успешно предсказывать целесообразность выдачи кредитов и бороться с мошенничеством.

Отдельной возможностью технологий Больших Данных являются различные маркетинговые исследования. Сейчас это довольно дорогое, экстенсивное мероприятие, подразумевающее прямой контакт с людьми – либо обзвон, либо опросы на улицах. С помощью огромного массива прямых и косвенных данных в системах операторов связи это можно делать дешево и быстро.

«Надо думать о том, как за счет использования умных технологий сделать любой сервис ультраперсонифицированным, именно в этом сила Больших Данных», – резюмирует Ткаченко. Дешевая обработка данных дает возможность узнать о человеке очень многое, сделав возможной массовую персонализацию услуг, ранее доступную только для избранных клиентов.

Этика и оттенки «красного»

Действительно, многие компании, а особенно телеком-операторы, могут, основываясь на своей статистике, составить полный профиль поведения человека: район его проживания, время нахождения дома и на работе, интересы, приобретаемые товары. Такие данные требуют деликатного обращения. Даже незначительные на первый взгляд детали могут стать конфиденциальной информацией после агрегации и обработки, поэтому защите данных необходимо уделять повышенное внимание.

По оценкам аналитиков, как минимум 50% проектов Больших Данных не будут выходить на полную мощность из-за нерешенных проблем безопасности. В большинстве случаев это означает смерть проекта на стадии пилота: не работая на полную мощность, система просто не сможет быть прибыльной.

Дженнифер Трелевич, директор отдела риска и рыночных данных «ТехЦентра Дойче Банка»: «Даже безопасные мелочи часто имеют конфиденциальные составляющие, и, собирая Большие Данные, следует учитывать это»

«О целях реализации проектов Больших Данных и их успешном развитии всегда говорится много. Однако вопросы безопасности незаслуженно обходят стороной», – считает Дженнифер Трелевич, директор отдела риска и рыночных данных «ТехЦентра Дойче Банка».

Разумеется, злоумышленник может узнать многое о своей жертве, собрав данные из социальных сетей и других открытых источников. Но компании должны делать то, что от них зависит: помнить об этике, чтобы случайно не подставить клиента, а главное – не способствовать утечкам конфиденциальных данных.

Однако защищать все виды данных одинаково, с максимальной степенью, – дорого и сложно, да и не всегда необходимо. Поэтому Трелевич предлагает применять концепции безопасных архитектур информационных систем, выделяя «белые» (незащищенные), «красные» (конфиденциальные) и «черные» (обязательные для шифрования) данные. Это позволит сделать защиту адекватной по трудозатратам и экономической эффективности.

«Мы в качестве оптимальной рассматриваем архитектуру MILS – множественных независимых уровней защиты», – делится опытом Трелевич. Суть архитектуры MILS (Multiple Independent Levels of Security) состоит в том, что система разбивается таким образом, что сбой или повреждение одного раздела никак не сказываются на других разделах. При таком делении можно сертифицировать и диагностировать на предмет безопасности каждый раздел в отдельности. Не менее важно и то, что для каждого компонента может быть установлен свой уровень защиты в соответствии с разработанной политикой. Например, ряд модулей могут быть «белыми», а для данных, требующих защиты, может быть введено несколько оттенков «красного».

«Архитектура каждого блока не должна быть излишне сложной. Разумеется, можно пойти на крайность и создать единую систему «красного» уровня. Однако это очень трудоемко и затратно. К тому же любые изменения в такой сложной системе превратятся в очень непростую задачу», – отмечает Трелевич. Доверяемые компоненты должны быть как можно проще, к тому же должны существовать и недоверяемые компоненты. Тогда разработка и тестирование системы значительно облегчатся.

Таким образом, появляется разумный компромисс между открытой, «опасной» системой, которая может скомпрометировать и клиентов, и компанию, и экстремальной системой, защищающей все подряд. Компаниям всегда нужен практичный баланс цены и качества, и MILS – один из эффективных способов достичь желаемого. Такую систему возможно разрабатывать и развивать разумными средствами.

«Даже безопасные мелочи часто имеют конфиденциальные составляющие, и, собирая Большие Данные, следует учитывать это», – резюмирует Трелевич. Ключевым вопросом становится даже не собственно безопасность, а этика использования Больших Данных. Компании должны не только защищать данные, выполняя требования регуляторов, но и аккуратно подходить к вопросам их использования.

Большие Данные: между выгодой и рисками