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]