РБК: Деньги на данных: три препятствия для монетизации big data в России

РБК, 2.04.2019

Деньги на данных: три препятствия для монетизации big data в России

Российские компании учатся зарабатывать на больших данных. На этом пути они совершают достижения и встречаются с препятствиями. Какие, рассказывает Павел Лихницкий, гендиректор DIS Group

Фото: Роман Пименов / Интерпресс / ТАСС

Как превратить данные в деньги
Большие данные (big data) — данные, которые собираются в больших объемах, в разных форматах и на больших скоростях (обычно для определения больших данных используются классические три V — Volume (объем), Variety (разнообразие), Velocity (скорость)). Эти три V открывают возможности для монетизации больших данных.

Раньше данные применялись только для описательной аналитики (например, для фиксации выполнения ключевых показателей эффективности — KPI, составления корпоративной отчетности) и повышения операционной эффективности. Эти области монетизации данных продолжают развиваться. Согласно данным нашего опроса, 25% представителей крупного и среднего бизнеса активно используют данные для принятия управленческих решений, а 23% — для повышения операционной эффективности. Однако с появлением big data появились и такие методы применения данных, как:

поиск инсайтов (полезные для бизнеса закономерности в данных),
тестирование бизнес-гипотез,
масштабная визуализацию данных,
предиктивная аналитика — методы анализа, с помощью которых можно предсказать поведение объекта.
Предиктивную аналитику, в частности, используют для:

прогнозирования продаж,
обнаружения мошенничества (например, предиктивные алгоритмы сами определяют, какие из страховых или кредитных заявок мошеннические),
маркетингового и клиентского анализов,
создания рекомендательных сервисов,
предсказания поломок и сбоев в работе оборудования.
Чаще всего большие данные используются для создания персональных предложений.

Все перечисленные способы использования относятся к так называемой внутренней монетизации данных (повышение эффективности ведения бизнеса внутри компании). Однако существует и внешнее направление монетизации. Теперь организации могут продавать свои данные и результаты их аналитики. Три процента опрошенных нами респондентов утверждают, что их компании используют этот способ монетизации.

Как и в любой другой сфере, в монетизации больших данных есть и достижения, и проблемы.

Достижение № 1. В лидирующих отраслях прибыли от внешней монетизации больших данных растут

Первопроходцы внутренней монетизации ​— цифровые платформы, банки и операторы связи. Эти индустрии первыми начали получать прибыль от внешней монетизации данных. Сейчас объем этой прибыли активно растет.

МТС успешно монетизирует данные геолокации абонентов. Например, правительство Москвы использует эти данные для планирования маршрутов транспорта, изменений в инфраструктуре и в других целях. Рекламный бизнес применяет такие данные для оптимизации показа наружной рекламы.
Теле2 помогает финансовым организациям предотвратить случаи мошенничества со стороны клиентов. Компания делает это на основе собственной аналитики больших данных своих клиентов. Например, оператор связи помогает определить благонадежность заемщика при обращении за кредитом, верифицирует его личные данные.
Аналитика «больших данных» позволила Теле2 в 2018 году заработать на 1024% больше, чем в 2017 году. МТС в 2019 году ожидает увеличения прибыли от проектов на основе больших данных на 30%.

Перед продажей компании обезличивают данные, персональная и конфиденциальная информация из них удаляется. Таким образом, клиентам компаний ничто не грозит.

Несомненно, в будущем прибыли от внешней монетизации больших данных будут расти еще активнее. Ведущая исследовательская компания в области ИТ Gartner предсказывает, что к 2020 году четверть крупных организаций будет покупать или продавать данные.

В России развитие внешней монетизации во многом будет зависеть от доработок законодательства. Сегодня в законах пока не прописано четкое определение больших данных и не описаны схемы работы с ними.

Достижение № 2. Компании реального сектора начали активно применять большие данные

Большим достижением в области внутренней монетизации стало активное развитие применения больших данных в промышленности. Еще совсем недавно реальный сектор не уделял работе с данными должного внимания. Сейчас ситуация изменилась.

Это вызвано многими факторами:

развитием интернета вещей,
высокой конкуренцией на рынке,
развитием технологий обработки и хранения данных. Среди последних таких технологий — озера данных (формат хранения больших данных) и новый класс приложений — Operational Intelligence (по аналогии с Business Intelligence) для обработки потоков данных в реальном времени.
Многие компании реального сектора активно создают цифровых двойников активов. Цифровой двойник — система взаимосвязанных данных, описывающих все аспекты реального актива. Цифровой двойник включает в себя данные о технических характеристиках актива, параметры технологических цепочек, в которые он включен, данные о фактическом состоянии и другое.

Цифровые двойники активов (АЭС, подстанций, месторождений) есть у многих организаций. Например, у «Роснефти», «Газпром нефти», «Росатома», «Россетей», «Сибура». Цифровые двойники уже сегодня позволяют решать многие практические задачи, в том числе:

предсказывать утечку газа,
оптимизировать производственные цепочки,
оптимизировать режим работы оборудования, ремонтных кампаний и многое другое.
В будущем цифровые двойники активов будут объединяться в цифровых двойников предприятия.

Фото: Максим Шеметов / ТАСС

Достижение № 3. Большие данные позволяют внедрять новые бизнес-модели и выходить на новые рынки

Многие рынки сейчас насыщены, компаниям сложно увеличивать на них свою долю. Если вы продали своему клиенту один автомобиль, то не сможете сразу же продать ему второй. Однако, владея информацией о такой покупке, вы сможете предложить ему страховку или парковочное место рядом с домом. Складывается ситуация, когда эффективнее построить свой бизнес не вокруг какого-то товара или услуги, а вокруг больших данных клиента. Те компании, которые уже научились эффективно работать с данными, строят вокруг них свой бизнес. Для этого они и меняют бизнес-модели и осваивают новые рынки.

Как банки осваивают новые рынки

Банк Хоум Кредит открыл маркетплейс,
Тинькофф Банк запустил оператора связи,
Сбербанк запустил платформу для торговли продуктами.
Построение бизнеса вокруг данных — это общемировой тренд, со временем таких примеров будет только больше.

Препятствие № 1. Низкое качество данных, нехватка Data Governance — стратегического управления данными

Стандартные вопросы повышения качества данных (дедупликация, очистка) до сих пор решены не во всех компаниях. Во многих из них хранятся «темные данные» — данные, которые по разным причинам оказываются вне аналитики. Такие данные могут быть представлены в нестандартных форматах (например, выражение лица покупателя на видеозаписи), храниться в трудно досягаемых местах (на ПК, в почте сотрудников). Из-за того что «темные данные» исключены из аналитики, результаты последней могут быть недостаточно достоверными.

О том, что для эффективного применения больших данных не хватает стратегического подхода к их управлению, говорят многие ведущие CDO (директора по данным). Выстраивание стратегического управления данными — Data Governance — сложный и долгий процесс. Он требует изменения во всей корпоративной структуре компании — в частности, выстраивания правильных бизнес-процессов, эффективной организационной структуры, новых положений и регламентов, распределения ответственности, новых ролевых моделей.

Препятствие № 2. Нехватка квалифицированных кадров

Еще одна проблема, которая мешает реализовать весь потенциал больших данных, — дефицит кадров. Организации, которые активнее всего работают с большими данными, уже взяли решение этой проблемы в свои руки. И это не только ИТ-компании, но и компании из других секторов.

ПАО «ВымпелКом» создало свою школу data scientists,
«Ростелеком» — школу инженеров по данным.
С проблемой нехватки кадров бизнес столкнулся и за рубежом. Но прогноз в этой области позитивный. Gartner предсказывает, что к 2020 году более 40% задач в области data science (наука о данных) ​будет автоматизировано. Люди при этом смогут сконцентрироваться на выполнении более творческих аналитических задач. Продуктивность методов повысится, а использовать их будет проще. Сегодняшние аналитики и другие специалисты, не связанные с ИТ, смогут самостоятельно применять данные в своей работе.

Препятствие № 3. Неточные расчеты рентабельности проектов big data

Затраты на каждый проект big data могут быть совершенно разными в зависимости от применяемых технологий, стоимости поддержки, объемов данных и стоимости специалистов. Значительно снизить расходы может помочь автоматизация процессов работы с большими данными (например, их интеграции). А вот выгода от продуктов open-source может быть перекрыта высокой стоимостью их поддержки.

Чтобы проект big data приносил прибыль, нужно тщательно подходить к расчету его рентабельности. Большие данные — это актив компании, и управлять ими нужно как активом.

Как сделать так, чтобы проект big data приносил прибыль

1. Определить ликвидность актива

Во-первых, необходимо четко определять ликвидность этого актива. Ликвидность данных — их полезность и востребованность. Данные с низкой ликвидностью не просто не приносят пользы. Они приносят убытки. Бизнес должен учиться определять данные с высокой ликвидностью и максимально повышать их качество.

2. Оценить возврат от этого актива

Необходимо точно оценить возврат от этого актива. Для этого надо использовать показатель ROA (return on asset — возврат на актив). Ориентироваться стоит на отношение общекорпоративного ROA всех других активов компании к ROA данных.

Точные расчеты рентабельности позволят российским компаниям эффективно организовать как внутреннюю, так и внешнюю монетизацию. Значение этого сложно переоценить: эффективная монетизация данных сейчас становится важнейшим конкурентным преимуществом. Так, по прогнозам исследовательской компании International Data Corporation, в 2022 году прибыль от внедрения технологий big data и business intelligence достигнет $260 млрд в год.

Автор: Павел Лихницкий, генеральный директор DIS Group

Подробнее на РБК:
https://pro.rbc.ru/news/5c98e7639a79476ab77b55a3?fbclid=IwAR0h2nK3pvoOVmE_uvQgrHyT7GXSy5Puf-7yfi8SedIcg3R3rbgAceKkDZQ