— Куат, Big Data — один из самых горячих топиков последних лет, и эпитеты соответствующие: «нефть нового века» и что-то в этом роде. Но при всем при этом может сложиться впечатление, что тема несколько переоценена. Могли бы вы прокомментировать эту точку зрения?
— Отнюдь, вовсе не переоценена. Более того, считаю, что тема Big Data — недооценена. Как аргумент, например, то, что только в очень небольшой части компаний пытаются что-то делать с Big Data, экспериментировать с накопленными данными, строить гипотезы и тестировать их. Но, с другой стороны, ситуация очень быстро меняется.
— Давайте представим, что Big Data — это айсберг, а его видимая часть — это то, что сейчас происходит в этой отрасли. Так что там, под водой?
— Если опираться на мнение компаний, которые работают с Big Data многие годы, только сейчас технологии и понимание процессов достигли такого уровня, который позволяет подойти вплотную к концепции Deep Dive — глубокому погружению в данные. А там, как вы понимаете, и есть самое интересное. Для примера — динамическое ценообразование. Вы хотите купить бутылочку газировки. Так вот, днем эта бутылочка может стоить дороже, чем ночью (если мы говорим о круглосуточном супермаркете). За этой простой, казалось бы, маркетинговой уловкой, большая работа — с данными, с анализом потоков потребителей, со средним чеком — увязываются разные наборы, выискиваются интересные корреляции, строятся гипотезы на их основе. И в итоге это позволяет супермаркету больше зарабатывать, при этом, оставаясь конкурентоспособным.
— Интересный кейс. Насколько понимаю, в другом супермаркете может быть все наоборот. Потому что там своя специфика…
— Да, это так.
— Некоторое время назад шла достаточно активная дискуссия о том, что данные, ну, те, которые имеют жизненный цикл более года, не представляют ценности для бизнеса. Но чуть позже начала превалировать другая точка зрения — важно все, все данные. Компании, которые придерживаются этой парадигмы, накапливают данные, тратят большие деньги, храня их, но при этом не знают, что с ними делать. Так что нужно делать? Собирать и хранить?
— Нет универсального подхода. Все зависит от профиля компании. К примеру, если компания технологическая, то данных накапливается огромное количество, и правильно — нужно собирать их все. Но и взгляд на данные у них иной: данные — это как бы итог их работы, как для нефтяника нефть. Именно здесь я вижу аналогию с тезисом «данные — новая нефть». А дальше — это уже работа специалистов по данным, Data Science — искать, как я говорил, закономерности, генерировать и тестировать идеи и гипотезы.
Если компания, а я знаю такие кейсы, хранит данные и ничего с ними не делает — то тут вообще непонятно, зачем они их собирают. Ведь данные — это еще и риски: утечки, подмена и прочее. В таком случае безопаснее не собирать их вовсе. Ведь данные — это не мода.
Что касается «Казахтелекома», то мы собираем только те данные, которые соответствуют профилю нашей компании — сеть, абоненты, устройства. Почему? Да потому, что Data Lake очень скоро может превратиться в «дата-свалку». И достать оттуда что-то ценное будет практически невозможно. Кроме того, мы считаем деньги, и тут очень важно соизмерять расходы и ценность, которую мы теоретически можем получить от данных. Это не должно быть самоцелью, в реальности же цель одна — улучшить эффективность работы компании. Просто многие об этом, к сожалению, забывают…
Что мы делаем с данными, которые собираем? Ну, например, измеряем уровень удовлетворенности абонентов, ценность предоставляемых сервисов для абонента.
— Вы уже частично стали раскрывать мой следующий вопрос. И все-таки, я уточню: есть какие-то бизнес-модели, кроме стандартного «профиля абонента» в вашей бигдата-стратегии? Какие коллаборации тут возможны? Я имею в виду, как бизнес-подразделения в «Казахтелекоме» сотрудничают с вами, как это вообще работает?
— Тема интересная, и ее нужно увязать ее с цифровой трансформацией, которая стартовала в компании в прошлом году. Мы внедряем современные практики, в том числе Agile, кроссфункциональные команды и т. д. И главная идея тут — быть ближе к клиентам, ближе к их потребностям, к их задачам. Мы вместе с бизнес-подразделениями ставим задачи, ищем стратегии для их реализации. Просто, старая модель, когда подразделение спускает заявку с какой-то аморфной идеей — это уже не работает. Новые модели адаптивны, у них очень хороший результат на выходе. И они хорошо показали себя в условиях локдауна.
Локдаун, кстати, вообще поставил перед нами целый ряд вызовов. Несмотря на то, что пользователи стали потреблять больше трафика, мы видели, что на ряд сервисов спрос снизился.
— Могли бы привести еще пример, чтобы видеть картинку более детально…
— Например, кейс по продаже услуг. Есть стандартная модель, которая предлагает абоненту протестировать какой-то платный сервис в течение триального периода. После этого сервис либо отключается, либо абонент начинает платить за него. Что происходит на практике — объявили акцию и достаточно большой процент абонентов подписывается на пробный период. Но есть определенная часть абонентов, которая отключает услугу после окончания пробного периода. При этом маркетинговые расходы уже были произведены. Ответ — создаем с помощью Big Data таргетированные предложения в зависимости от профиля абонента: то есть, мы этот пробный период адресуем тем абонентам, которые с большей долей вероятности продлят подписку и станут за нее платить. Все хорошо — компания существенно сокращает расходы на проведение акций, получает лояльных клиентов, при этом конверсия весьма высока.
И что еще важно. Вот эти таргетированные предложения, которые мы рассмотрели выше, отлично работают в омниканале — то есть, независимо от того, какой канал предпочтителен для абонента, он получит именно персонализированное предложение.
И еще один вопрос мы решаем с помощью такого подхода — уровень удовлетворенности абонента существенно возрастает: то, что хорошо для абонента — хорошо для компании.
— Можно говорить о каких-то цифрах?
— Получается, что конверсия в 3 раза выше.
— Один из тормозов в части Big Data — это регуляторная база. Существует мнение, что до тех пор, пока регулирование в этом вопросе не станет более либеральным, вряд ли ситуация сильно сдвинется. Так ли это?
— Тут не все просто. Я рассуждаю не только как руководитель департамента в «Казахтелекоме», но и как гражданин, который сам же и предоставляет свои персональные данные третьим сторонам. Так вот, мое мнение таково: либерализация в части использования персональных данных — плохой путь, который может завести не туда. Граница, куда компаниям заходить нельзя, нужна. И для этого должен существовать закон, в котором четко прописывается что можно, а что нельзя. В нем должно быть минимум недосказанности, он должен быть прозрачным и понятным всем сторонам процесса.
— Куат, каким образом Big Data интегрируется в стратегию «Казахтелекома»? Как это выглядит на практике?
— Вопрос хороший, как я ранее говорил, компания сейчас находится на этапе цифровой трансформации. И один из ее механизмов — это Big Data. И в этой части мы смотрим на предмет достаточно широко — мы говорим о том, чтобы создать «институт», который будет выстраивать процессы с самого начала — с источников данных.
Что из этого следует? Уже сейчас мы становимся дата-компанией, то есть, компанией, для которой данные — это часть бизнеса, данные активно используются и в бизнес-процессах, и как инструмент для принятия решений.
Опять-таки, если ближе к практике, то на данный момент нашей командой сформировано несколько моделей машинного обучения для внутренних задач: предикативные модели для проактивного управления оттоком абонентов, анализ наиболее востребованных продуктовых предложений и продуктов. Построение таких моделей для проверки гипотез позволяет нам выводить новые продуктовые предложения, предугадывать потребности клиента.
— Еще один тормоз — специалисты. Сейчас не удивишь ценником на них. Как вы решаете проблему с кадрами в «Казахтелекоме»?
— Да, это так, даже начинающие специалисты стоят дорого. Для нас кадры — большая проблема, и мы подошли к решению таким образом: растим их внутри компании, а также привлекаем выпускников вузов. Эта схема достаточно эффективно работает, кроме того, при таком подходе команда обходится нам не слишком дорого.
— Какую надбавленную стоимость могут нести большие данные в реальных кейсах для B2B? Какие модели/сервисы пользуются спросом, какие вы уже сейчас предлагаете?
— У нас два направления монетизации данных — внутренняя и внешняя. О внутренней мы уже говорили — это все, что связано с улучшением бизнес-процессов внутри компании. Внешняя монетизация — тут все не просто, рынок наиболее развит, пожалуй, в части банковского скоринга. Хотя, на самом деле, кейсов, где используются данные — достаточно много. К примеру, проект, связанный с Covid-19, где «Казахтелеком» был одним из участников. Суть проекта — анализ скопления людей в период карантина. Очень много идей и кейсов в разработке. Бизнес только сейчас начинает формировать понимание, какую-то потребность в решениях с использованием Big Data.
К слову, в таких проектах [В2В], кроме данных о потреблении, используется более десяти различного рода источников открытых данных — это Комитет государственных доходов, Агентство по статистике МНЭ и т. д.
Если ближе к конкретике, то в арсенале «Казахтелекома» уже имеются такие сервисы, как AaaS (Analytic as a Service) — определение тепловых карт на основе геоданных для прогноза строительства, предоставление скоринговых данных для оценки контрагентов, любая аналитика для внутренней оптимизации. Ну, и третий в этом списке, но не последний по значимости — Marketing Campaign — аутсорсинг маркетинговых кампаний на основе Big Data.
— Что сможете предложить завтра рынку?
— Я думаю, что основной драйвер будет исходить со стороны бизнеса. Но для этого ему нужно четко представлять, какую надбавленную стоимость может привнести Big Data для них. Фактически мы только в начале пути.
Пока я думаю, что в какой-то краткосрочной и среднесрочной перспективе основная история будет развиваться в сторону таргетинга, в персонализацию предложений. Время каких-то ковровых SMS-рассылок проходит, на это место приходят умные технологии, которые доносят релевантную информацию, востребованную конкретным абонентом. В перспективе речь идет даже не о таргетинге, а об уникальном предложении. «Уникальный» в данном контексте — это, действительно, уникальное, исключительное предложение, ориентированное на конкретного абонента.
Интервью подготовлено Александром Галиевым, корреспондентом портала Profit.kz