Kto widział Big Data?
Transkrypt
Kto widział Big Data?
Kto widział Big Data? Business Intelligence, Data Mining, Analizy predykcyjne. O co w tym wszystkim chodzi? Przykłady zastosowań IBM Analytics Czym jest Big Data? Big Data – duże, zmienne i różnorodne zbiory danych, których nie da się przetwarzać przy użyciu trywialnych, powszechnie dostępnych metod Big Data – co oznacza „BIG”? • 2012 – terabajty • 2016 – petabajty Zasada 5 x V: • Volume - ilość • Variety - różnorodność • Velocity – szybkość zmian • Variability - zmienność • Veracity - wiarygodność Source: Wikipedia Big Data – wzrost i trendy 80% 90% of the world’s data today is unstructured of the world’s data was created in the last two years 1 in 2 business leaders don’t have access to data they need 83% of CIO’s cited BI and analytics as part of their visionary plan Source: GigaOM, Software Group, IBM Institute for Business Value" 20% is the amount of available data traditional systems leverages 54% of companies use analytics for competitive advantage Big data – jak to działa? Business Intelligence & Data mining & Predictive analysis Real-time decision management Campaign Management Planning & Forecasting Needs Based Segmentation Reporting & Analysis Integration of social media and customer analytics Loyalty Segmentation Propensity Modeling Value Segmentation LTV Calculation Churn Modeling Life Style Segmentation Customer Value Calculation Value Pricing Optimization Brand Monitoring Market basket analysis Next Best Offer Behavioral segmentation Social Feedback Analysis Scorecards & Dashboards Segment Migration Demographic Segmentation RFM Analysis Basic Advanced analysis Real time Telco • Segmentacja klientów • Optymalizacja taryf • Next Best Offer • Predykcja „churn’u” • Monetyzacja danych Sektor finansowy • Scoring klientów • Analizy ryzyka • Detekcja fraudów (np VAT) • Pranie brudnych pieniędzy Przykład – GETIN BANK ZARZĄDZANIE KAMPANIAMI MARKETINGOWYMI BEZPOŚREDNIMI OPTYMALIZACJA METODAMI MATEMATYCZNYMI ANALITYKA TREŚCI I NASTROJU PROGNOZOWANIE, ZAAWANSOWANA ANALITYKA, ZARZĄDZANIE MODELAMI I REGUŁAMI RAPORTOWANIE, ANALIZY, PLANOWANIE I BUDŻETOWANIE INTEGRACJA DANYCH, JAKOŚĆ DANYCH, ZARZĄDZANIE DANYMI HADOOP & MAP REDUCE Handel • Analizy koszykowe • Optymalizacja cen • Kampanie marketingowe • Planowanie asortymentu • Optymalizacja łancucha dostaw Przykład - Rossmann Transakcje wszystkich klientów Model segmentacyjny Przemysł i Energetyka • Predictive maintenance • Predykcja zapotrzebowania na energię • Detekcja fraudów Przykład - RED #1: Bezpieczeństwo energetyczne kraju vs koszty “Które źródła wytwarzania i kiedy powinny być wykorzystywane aby sprostać zapotrzebowaniu na energię elektryczną w kraju? I jak zrobić to optymalnie kosztowo?” #2: Zarządzanie zmianą w zapotrzebowaniu na moc Jak sprostać nagłym skokowym wzrostom zapotrzebowania np o 10% z dnia na dzień? I znowu – jak zrobić to efektywnie kosztowo? #3: Zarzadzanie awariami i planowanie serwisu Jak optymalnie zarządzać utrzymaniem infrastruktury a w szczególności wyłączeniami? #4: Wyzwania związane z ekologią Jak sprostać rosnącym wymaganiom pro-ekologicznym? ----------------------------------------------------------------------------------------------------REE zredukowało koszty wytwarzania energii elektrycznej do €100,000 dziennie. REE zredukowało emisję dwutlenku węgla o 100,000 tons of CO2 rocznie. IBM posiada unikalne doświadczenie i wiedzę w zakresie zaawansowanych analiz w oparciu min o dane pogodowe w kontekście uzyskiwania korzyści ekonomicznych • Wiodoące na rynku kompetencje i doświadczenie w analizie danych • Firma globalna z doświadczeniami we wszystkich sektorach rynku • Skalowalne platformy i rozwiązania dedykowane poszczególnym sektorom rynku TWC jest strategicznym partnerem w zakresie dostarczania danych pogodowych, prognoz pogody oraz prdefiniowanych modeli analitycznych • Globalna obecność; znacząco większa niż dostępne publicznie źródła • #1 na świecie w dokładności prognoz • Globalna platforma agragująca dane i prognozy pogodowy na świecie ... i wiele innych ... • Text mining (analizy sentymentu) • Internet of Things (Machine to Machine) • Smart Cities • ... • MEDYCYNA!!! Focus Products & Solutions IBM ANALYTICS PLATFORM • • • • • • • • • DB2 Informix/Solid PureData for Analytics PureData for Operational Analytics Big Insights InfoSphere Streams MDM Entity Analytics IDAA Big Data and Database SOLUTIONS Smarter Risk Algorithimics Open Pages • • • • Information Server InfoSphere Foundation Tools Optim IIDR Information Integration and Governance Financial Performance Management Clarity Star Analytics • • IBM Cognos IBM SPSS Analytic Tools • • • Content Mgmt. Imaging Adv. Case Mgt. Enterprise Content Management Information Lifecycle Governance PSS Systems StoredIQ Finance & Risk Internet of Things Predictive Customer Intelligence Sales Performance Management Varicent Social Media Analytics Customer Analytics Public Safety i2 Counter Fraud Management Predictive Maintenance and Quality Maximo DOORS Tririga Rhapsody Optimization MessageSight Predictive & Optimization Asset Management Smarter Cities Operations The Now Factory Continuous Engineering Industry Unique 16 Netezza – IBM Pure Data for Analytics Dedykowana platforma do analityki Zintegrowany sprzęt, dyski i oprogramowanie Standardowe interfejsy Niskie koszty całkowite (TCO) R&D Lab w Krakowie Co nas odróżnia? Szybkość - 10-100x szybkość vs systemy tradycyjne1 Prostota – minimalizacja czynności administracyjnych i konfiguracyjnych Skalowalność – największe implementacje powyżej petabyte danych Inteligencja – zaawansowana analityka w bazie danych Bezpieczeństwo – wbudowana enkrypcja danych (N3001) 1 Based on IBM customers' reported results. "Traditional custom systems" refers to systems that are not professionally pre-built, pre-tested and optimized. Individual results may vary. Netezza – IBM Pure Data for Analytics Pakiet oprogramowania do PureData System for Analytics N3001 Data Warehouse Appliance • Szyfrowane dyski Integracja danych i transformacja InfoSphere DataStage 280 PVUs, 2 równoczesnych użytkowników i InfoSphere Data Click Wbudowane funkcje analityczne Ochrona danych Business Intelligence Cognos software, 5 Analytics User, plus 1 Analytics Administrator IBM InfoSphere Data Privacy and Security for Data Warehousing Hadoop InfoSphere BigInsights Software licencja na ~100 TB danych w Hadoop Real-time Analytics InfoSphere Streams Developer Edition 2 urzytkowników, licencje nie produkcyjne Referencje w Polsce Wybrane referencje SPSS Handel Finanse Media i Internet Inne Wybrane referencje Cognos Analizy predykcyjne w obszarze marketingu, sprzedaży i podniesienia jakości obsługi Klienta Problem biznesowy - Spadająca lub zbyt wolno rosnąca sprzedaż - Zbyt słabe wyniki nowych produktów - Potrzeba zwiększenia efektywności procesów sprzedażowych i marketingowych - Słabe rozeznanie potrzeb klientów i bazujące na tym działania sprzedażowe i marketingowe - Kampanie marketingowe niezautomatyzowane i nie wykorzystujące analityki - Brak mikro-segmentacji klientów - Brak pełnego widoku klienta – 360O View of Business Przygotowanie danych Budowa modelu i wykorzystanie skoringów Analiza biznesowa i techniczna Sposób zaadresowania problemu: - Wykorzystanie zaawansowanej analityki predykcyjnej i narzędzi optymalizacyjnych do podniesienia skuteczności działań marketingowych, cross-sell, up-sell, działań utrzymaniowych czy sposobu organizacji struktury sprzedażowej - Wykorzystanie narzędzi raportowych BI do przejrzystego dostarczania wyników analizy oraz efektów opartych na niej działań - Wykorzystanie historii kontaktów i sprzedaży do rekomendowania produktu, kanału oraz sposobu komunikacji oferty do - Rekomendacje działań dla agenta dotyczące produktu, optymalnego rabatu, sposobu komunikacji - Detekcja zdarzeń życiowych u klientów w oparciu o dane wewnętrzne i zewnętrzne dla organizacji - Podniesienie efektywności działań call-center i agentów przez dostarczenie bardziej trafnych leadów - Mikro-segmentacja klientów uwzględniające aspekty behawioralne oraz analiza Lifetime Value klienta i wynikające z niej optymalne NBA - Analiza skuteczności działań agentów, wykrywanie korelacji z typami sprzedawanych produktów, segmentami klientów oraz wykrywanie anomalii sprzedażowych jako unikalnych przypadków do analizy lessons-learned • Czy wyżej wymienione problemy adresują państwo zaawansowaną analityką predykcyjną? • Czy są Państwo w stanie wykorzystać efekty analityki w procesach w czasie rzeczywistym? • Czy są Państwo w stanie skutecznie informować organizację w wynikach działania analityki przez dashboardy? • Którzy klienci odpowiedzą na naszą kampanię? Jaka jest najlepsza kolejna akcja jaką możemy podjąć względem danego klienta? • Jak przewidzieć wystąpienie określonych zdarzeń wokół klienta? Który klient jest zagrożony ryzykiem odejścia? • Jak zoptymalizować działania sprzedażowe? Sprzedaż których produktów jest skorelowana? Pomiar skuteczności Informacje sprzedażowe Średnia wartość licencji: 300 tys. zł Cykl sprzedaży: 6 miesięcy Do kogo sprzedawać: Prezes ds. Marketingu, CMO, Dyrektor Sprzedaży, Dyrektor ds. Marketingu Bezpośr, CRM Manager, Dyrektor Produktu \ Segmentu Partnerzy biznesowi IBM GBS, Predictive Solutions, Algomine, Mineral Midrange, InCube, IVMX, Sygnity, Infar, Exorigo. Referencje Onet, UPC, pracuj.pl, Żabka, Rossmann, Polo Market, mbank, PKO BP,, BNP Paribas, Getin Bank, PGE, Ultimo, MinFin, ZUS. Pytania kwalifikujące dla analityki klienckiej w sektorze retail OGÓLNIE TAK Jakich narzędzi Państwo używają? Czy to narzędzie pokrywa wszystkie aspekty analityki klienckiej w Państwa firmie? TAK Czy wspomagają Państwo działania biznesowe na bazie klientów predykcyjnymi metodami analitycznymi? NIE Czy temat wspomagania działań biznesowych analityką predykcyjną znajduje się w Państwa strategii/roadmapie? Czy są Państwo z niego w pełni zadowoleni? TAK Jakie są zatem plany (zakres wdrożenia, czasowe i budżetowe) odnośnie wdrożenia takiego systemu? Kto jest/mógłby być sponsorem tego tematu u Państwa? Czy wyniki dawane przez to narzędzie są odpowiednio zoperacjonalizowane (jest integracja z narzędziami automatyzującymi marketing)? Czy i kiedy możemy wrócić ponownie do tematu? NIE TAK NIE TAK NIE Co jest tego przyczyną (brak wiedzy/specjalistów, brak procesu, brak business case’u)? NIE Który z wymienionych obszarów jest w chwili obecnej najważniejszy do zaadresowania analityką? •Segmentacja klientów/produktów •Pozyskanie nowych klientów •Dosprzedaż produktów (podnoszenie wartości klienta) •Zapobieganie rezygnacjom/odejściom klientów •Prognozowanie sprzedaży •Budowanie pakietów produktów •Tworzenie spersonalizowanych newsletterów i emaili? •Precyzyjne targetowanie newsletterów i emaili? •Czy prowadzą państwo sprzedaż internetową i byliby zainteresowani systemem rekomendującym produkty klientom odwiedzającym Państwa e-sklep? Czy są Państwo zainteresowani prezentacją korzyści z zastosowania automatyzacji marketingu? NIE TAK Kiedy możemy umówić się na taką prezentację i kto będzie w niej uczestniczył z Państwa strony? Czy znana jest Państwu wartość dodana z zastosowania metod analitycznych? Czy liczyli Państwo business casy dla zastosowania metod analitycznych u siebie w firmie? TAK Czy są Państwo zainteresowani prezentacją naszych referencji i korzyści osiąganych przez naszych klientów dzięki analityce? NIE TAK NIE Czy i kiedy możemy wrócić ponownie do tematu? Czy są Państwo zainteresowani prezentacją przypadków użycia analityki i funkcjonalności naszych narzędzi? TAK NIE Czy są Państwo zainteresowani prezentacją korzyści z zastosowania analityki? NIE Czy i kiedy możemy wrócić ponownie do tematu? Kiedy możemy umówić się na taką prezentację i kto będzie w niej uczestniczył z Państwa strony? TAK Dziękuję Marcin Bielecki Big Data & Analytics Platforms Manager (Poland & Baltics) Mobile: E-mail: +48 501 16 4444 [email protected]