Sokszor kérdezik tőlem rég nem látott barátaim, hogy mivel foglalkozom. Régebben elmeséltem nekik, hogy adatbányász vagyok, vagyis a cégek által gyűjtött adatokból olyan, üzletileg hasznos információkat állítok elő, amellyel támogatni tudom a különböző szinten hozott vállalati döntéseket. Ismerőseim sok esetben nem értették pontosan, mire gondolok, rosszabb esetben pedig megkérdezték, hogy ez a dolog olyan-e, mint az adathalászat vagy a hackerkedés. Amióta viszont egy nem szakmabeli ismerősöm visszakérdezett, hogy nem a big datáról van-e szó, azóta már én is csak így mutatkozom be.

A big data kulcsszóra való keresések száma közel megnégyszereződött az elmúlt egy évben, úgy, hogy 2012-ben szinte még senki nem ismerte ezt a kifejezést Magyarországon. A változás okai között lehet az is, hogy a médiában is mind gyakrabban jelennek meg híradások az adatelemzési trendek hatásairól és a felhasználási lehetőségekről. E trendek és lehetőségek egyaránt kiugrási lehetőségeket jelenthetnek azoknak, akik hajlandóak adatvezéreltté tenni üzleti folyamataikat és döntéseiket. Fontos kérdés, hogy mindezt hol érdemes elkezdeni. Milyen lépések mentén válik adatvezéreltté egy cég vagy egy döntéshozó?

Értsük meg a múltat

A minap ismerkedtem meg a FruitFlan startup céggel. A vállalat megoldását használó online újságírók valós idejű visszajelzést kaphatnak egyebek között arról, hogy főoldalra helyezett cikkeik közül melyeket milyen gyakran olvassák az emberek. Ezt az egyszerű metrikát ráadásul nagyon intuitív módon jelenítik meg egyetlen ábrán, amelynek segítségével az újságírók adatokon alapuló döntéseket hozhatnak arról, hogyan szerkesszék főoldalukat olvasóik megtartása érdekében.

A fenti jó példa arra, mivel tehetjük meg az első lépést az adatvezérelt gondolkodás felé. Találjuk meg azokat a mérőszámokat, amelyek valóban befolyásolják cégünk működését. Gyűjtsünk össze minden olyan adatot, amelynek segítségével ezeket a mérőszámokat kiszámolhatjuk, és időről-időre jelenítsük meg őket olyan formában, amely a lehető legjobban segíti a változások észrevételét. A következő lépésben – az észlelt változások okának feltárása érdekében – ássunk le az adatokban, és értsük meg az azokban rejlő összefüggéseket.

Jelezzük előre a jövőt

Sokszor tapasztaljuk, hogy ha egy cégben a döntéshozók az előbbiekben bemutatott riportokon már kiismerik magukat, automatikusan jelentkezik bennük az igény a jövő előrejelzésére. Ha vannak riportjaink arról, hogy termékeink hogyan fogynak az év különböző szakaszában, kik a vásárlóink és ők milyen rendszerességgel vásárolnak tőlünk, akkor hamar merül fel az ötlet, hogy hozzunk létre egy megoldást a jövőbeni vásárlások számának előrejelzésére.

Ha már képesek vagyunk előrejelezni a cégünk sikerét befolyásoló főbb mérőszámokat (például a havi vásárlás mennyiségét vagy a fél év alatt elvándorló ügyfelek számát), akkor a következő lépésben elemi szinten is megpróbálhatjuk prediktálni a jövőbeni viselkedést. Az eladási adatok alapján például arra is becslést adhatunk, hogy egy adott értékesítési lehetőség milyen valószínűséggel lesz sikeres, vagy hogy mennyi ideig tart majd, amíg a lehetőségből valóság, konkrét eredmény lesz.

Az egyik legnagyobb értékesítéstámogató szoftver, a SalesForce rengeteg utólag fejlesztett megoldást nyújt az elemi értékesítési események előrejelzésére. Ezek alapján sorba rendezhetjük lehetőségeinket aszerint, hogy melyekben milyen potenciált látunk.

Ilyen megoldásokat saját adatainkból is készíthetünk, de bővíthetjük rendszerünket olyan külső forrásokkal – céginformációs adatbázisokkal, weboldalak és közösségi oldalak adataival – is, amelyek ügyfeleinkről egyéb tulajdonságokat is tárolnak. Jó példa erre a Kreditech cég, amely az adatelemzést régóta használó banki hitelezések világába tudott új módszereket csempészni: a megoldás a hitelezést megelőző minősítésekhez számos forrásból – közösségi háló, viselkedés az internetes böngészőben, mobilinformációk, vásárlási szokások stb. – gyűjt adatot a kérelmezőről.

Válasszuk az optimálist

Ha már a jövő előrejelzésére is képesek vagyunk, a következő lépésben üzleti folyamatainkat kell összehangolnunk, hogy összességében a legjobb eredményt érjük el. Ügyfeleinknek szánt kampányaink esetén hiába tudjuk minden egyes kampányhoz kiválasztani a legjobb ügyfeleket, akik szinte biztosan pozitívan reagálnak, ha köztük sok olyan van, akit több ajánlattal is bombázni fogunk. Ebben az esetben össze kell hangolni kampányainkat aszerint is, hogy melyikben kit érdemes megkeresni, hogy az összesített eredmény a legtöbb profitot hozza számunkra.

Az optimalizálásra jó példa egy logisztikai vállalat megoldása, amely egyaránt figyelembe veszi az aktuális megrendeléseket a hozzájuk tartozó lokációkkal, a gépjárműállományt, a szállítandó tételeket és azok mennyiségét, továbbá azokat az előírásokat, amelyek a sofőrök munkavégzésére vonatkoznak, és ez alapján állítja össze a gépjárművek pontos menetrendjét és útvonaltervezetét. Ebben a rendszerben rengeteg adat – például a gépjárművek GPS-adatai – alapján kell sok dolgot előrejelezni, majd ezen kimeneteket egy globálisan optimális döntésben egyesíteni.