Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики - Билл Фрэнкс

• Хотя сегодня большие данные могут казаться подавляющими, они следуют той же кривой зрелости, что и другие источники данных. Большие данные довлеют над нами сильнее ввиду количества новых источников данных, которые все разом стали нам доступны.

• Большинство организаций во всех отраслях и странах мира считает, что они далеко отстали в области больших данных. На самом же деле немногие организации вырвались далеко вперед, соответственно и немногие далеко отстали.

Глава 3

Операционная аналитика в действии

В этой главе мы обратим внимание на различные примеры операционной аналитики в действии. Они ясно показывают, что в будущем организации сосредоточатся не просто на увеличении старой традиционной аналитики, а на применении новыми способами разных типов аналитики. Аналитика, которой организации занимались годами, сейчас становится необходимым, но недостаточным условием работы во все большем числе отраслей и контекстов. Для того чтобы добиться успеха в будущем, организациям придется выйти за пределы традиционной пакетной аналитики. Иными словами, сделать последнюю операционной.

Одним из главных изменений, которые операционная аналитика позволяет осуществить организации, является возможность резко активизировать свои действия. В некоторых случаях аналитика может быть очень простой, в других – весьма изощренной. Описанные в этой главе примеры охватывают весь диапазон случаев, однако во всех них красной нитью проходит свидетельство о том, что операционная аналитика позволяет организации действовать на упреждение, а не реагировать на уже возникшие обстоятельства. Тем самым она позволяет избежать проблем, а там, где сделать это невозможно, операционная аналитика позволяет решать возникающие проблемы оперативно и в автоматическом режиме.

Итак, давайте рассмотрим ряд примеров, иллюстрирующих как очень простые, так и весьма необычные случаи применения операционной аналитики. Примеры изложены в произвольном порядке, без учета затронутой области и уровня сложности анализа. Читатели обратят внимание на то, что многие из них связаны с использованием датчиков, т. е. имеют отношение к теме Интернета вещей, о которой мы говорили во второй главе и которой посвящена значительная часть операционной аналитики.

Улучшение обслуживания потребителей

Одна из областей, где потребители заметят наибольшие изменения в связи с внедрением операционной аналитики, – это их повседневные взаимодействия с организациями. На протяжении многих лет организации стремились всё более персонализировать свои продукты, услуги и маркетинг. Операционная аналитика позволит далее развивать кастомизацию и персонализацию. Следующие примеры дают представление о ее потенциале.

Волшебные моменты про запас

Давайте обратимся к компании Walt Disney Company. В течение многих лет она осуществляет весьма сложный анализ поведения посетителей своих парков развлечений – стремится понять их предпочтения и шаблоны с целью улучшения обслуживания. В том числе Disney вкладывает много ресурсов в изучение передвижения посетителей по паркам и в изучение воздействия этого потока на своих гостей.

В прошлом, опираясь на имеющиеся данные, Disney была вынуждена рассматривать толпу как единичный объект. Другими словами, толпа изучалась как отдельный объект большого размера, находящийся в постоянном движении. Например, утром эта масса людей могла сосредоточиться на одной стороне парка, а в течение дня постепенно перемещаться на другую сторону. Однако введение технологии MagicBand («Волшебный ремешок») позволило компании произвести революцию в своем подходе к управлению потоком посетителей и их восприятием{23}. Данные с MagicBand могут быть использованы как для традиционной, так и для операционной аналитики с целью улучшения обслуживания.

MagicBand – это браслеты со встроенным радиочастотным микрочипом. Disney использует эту технологию, чтобы изменить восприятие посетителей. Начать с того, что посетителям больше не нужно носить с собой билет и кредитную карту. MagicBand – это и есть билет, который дает гостям возможность делать покупки в любом из магазинов и ресторанов парка, а также приобретать билеты Fast Pass («Быстрый проход») для аттракционов. Fast Pass позволяют гостям посещать аттракционы в указанное время без длительного ожидания в очереди.

MagicBand не только облегчают передвижение по парку, но и позволяют компании изучать трафик посетителей на гораздо более детализированном уровне. Вместо того чтобы рассматривать толпу как единый объект, Disney может рассматривать гостей как индивидов, демонстрирующих уникальное поведение. Это дает возможность выделить различные пути людей по парку. Некоторые предпочитают прокатиться на одном-двух аттракционах, после чего сделать перерыв, перекусить, отдохнуть и только потом отправиться на следующий аттракцион. Другие посещают один аттракцион за другим без перерывов. Компания может использовать эту информацию, чтобы управлять шаблонами трафика, добиваясь более равномерного распределения посетителей по парку.

Например, посетителей могут предупреждать о том, что в той или иной части парка наблюдается меньшее скопление народа, чем там, где они находятся сейчас. Или же, если очереди удлиняются, гостей могут поощрить к продлению перерыва, предложив им закуски со скидкой. Разумеется, анализ перемещения толпы может выходить за рамки операционной аналитики, но это уже другая тема.

Благодаря информации, поставляемой MagicBand, Disney также смогла изменить взаимодействие со своими гостями до и во время посещения парка. Давая возможность получать Fast Pass, используя браслет, компания позволяет посетителям тратить меньше времени на стояние в очереди. Тем самым она соблазняет их провести больше времени в магазинах и ресторанах, чтобы они потратили там больше денег. Таким образом, анализируя перемещение гостей по парку и управляя им, Disney способна не только значительно улучшить их восприятие, но и заработать дополнительную прибыль. Люди могут даже не замечать влияния этих технологий, а просто порадуются тому, что им не приходится стоять лишний час в очереди, – и могут потратить этот час на перекус и приобретение очередного сувенира. Все довольны.

По мере того как организация собирает все больше информации о наших с ней взаимодействиях, она способна лучше подстроиться к нам. Благодаря запуску процессов операционной аналитики, которые в текущем режиме учитывают все наши последние действия, организация может как персонализировать, так и улучшить восприятие ее нами.

Когда посетители желают воспользоваться функциями MagicBand, например на подходе к кассе или анимированному персонажу, сотрудники парка узнают, кто перед ними. Это легко сделать благодаря устройствам, которые считывают с браслетов уникальные идентификаторы. В нижеприведенном примере косвенно затрагивается неприкосновенность личной жизни, о чем мы подробнее поговорим в шестой главе, а сейчас сосредоточимся на том, как MagicBand может воздействовать на посетителей.

Представьте себе маленького ребенка, который впервые посещает Диснейленд. Одно из самых потрясающих впечатлений для него возникнет, когда к нему подойдет принцесса или Микки Маус и заговорит с ним. Благодаря новым браслетам, при приближении к ребенку Микки Мауса его помощник с помощью планшета считает идентификатор с браслета ребенка и получит на экране примерно следующую информацию: «Это Джон Смит. Он из Атланты, штат Джорджия. Здесь он празднует свой девятый день рождения. Он очень любит конфеты “Мишка Гамми”». Скрытый анализ позволит определить, какие специальные предложения можно сделать, исходя из информации, известной о ребенке и его семье. Эти детали помощник может прошептать на ухо Микки.

Теперь представьте, насколько будет потрясен ребенок, если к нему подойдет Микки и вместо простого «Привет, как дела?» произнесет: «Привет, Джон! Как здорово видеть тебя здесь! Тебе пришлось проделать длинный путь из Атланты, и я очень рад, что ты решил отпраздновать свой день рождения с нами! Если ты сейчас зайдешь вон в ту кондитерскую, то сможешь выбрать там себе подарок – пакетик “Мишки Гамми”. Просто скажи, что это я послал тебя к ним, и ты получишь свои сладости да еще с улыбкой впридачу!» Если теперь семья пойдет в кондитерскую, то кассир увидит на своем терминале предложение бесплатно выдать пакетик сладостей и быстро выполнит операцию. Такая персонализация совершенно изменит восприятие парка ребенком и его семьей.

В этом случае не требуется очень сложная аналитика. Тем не менее аналитический процесс должен определить, кто и какие предложения должен получить, а также гарантировать, что другие многочисленные персонажи в тот же день не сделают аналогичное предложение и что семья не попытается получить бесплатный пакетик еще раз. Обновление информации о гостях должно происходить очень быстро. Такая простая аналитика, опирающаяся на детализированные и быстро обновляемые данные, способна сильно повлиять на восприятие посетителей.