Хабр, привет! Мы проанализировали случаи больших данных, в которых технологии больших данных помогли компаниям более эффективно работать с клиентами или оптимизировать внутренние процессы.
Кстати, совсем скоро мы запускаем первый набор программы «Большие данные для руководителей», цель которой — подготовить менеджера или владельца бизнеса к использованию данных в своей деятельности.
Вы можете прочитать об этом больше Здесь .
Ориентация на клиента
1.Компания: Букмейт.
Промышленность: предоставление контента по подписке - электронные книги.Bookmate — российский сервис для чтения электронных книг по подписке на мобильных устройствах, имеет более 3 миллионов пользователей по всему миру.
Вместе с компанией Электронный контент компании удалось решить проблему «холодного старта» — рекомендаций новым пользователям, которые еще не выбрали ни одной книги в приложении.
Для предложения книг новым пользователям была разработана система рекомендаций, использующая внешние данные — данные социальных сетей и DMP (история кликов, поисковые запросы в Интернете и другие данные о поведении пользователей).
Результат: количество просмотров рекомендованных книг новыми пользователями выросло в 2,17 раза, конверсия в платных пользователей выросла в 1,4 раза.
2. Компания: BikeBerry.
Промышленность: розничная торговля, интернет-магазин.BikeBerry.com — американский интернет-магазин велосипедов, мотоциклов, а также запчастей и аксессуаров.
С помощью компании УдержаниеНаука Для отслеживания и прогнозирования покупательского поведения были реализованы сложные алгоритмы машинного обучения и статистические модели.
Используемые технологии позволили выявить и использовать в моделях закономерности поведения на сайте; Также использовались данные об истории покупок, демографическая и поведенческая информация.
В результате магазин смог рекомендовать наиболее актуальные для покупателей товары и делать персональные скидки только тем покупателям, которые действительно в них нуждались, что увеличило рентабельность, увеличило объем продаж более чем в два раза и улучшило ряд других показателей.
Результат: увеличение продаж на 133%, рост пользовательской активности на 200%, увеличение вдвое количества клиентов, совершающих повторные покупки, увеличение среднего чека таких клиентов на 30%.
3. Компания: Гостиница «Красная Крыша».
Промышленность: гостиничный бизнес.
Зимой 2014 года американская сеть отелей Red Roof Inn столкнулась со снижением потока туристов из-за суровой зимы и неблагоприятных погодных условий.
Однако из-за таких погодных условий в аэропортах ежедневно отменялось большое количество рейсов; пассажиры оставались в аэропортах в течение длительного времени и нуждались в гостинице.
Используя общедоступные данные о погодных условиях и отмене рейсов, компания смогла рассылать пассажирам задержанных рейсов персонализированные предложения с контактной информацией ближайшей к аэропорту сети отелей именно тогда, когда они были наиболее востребованы.
Результат: дополнительный рост доходов на 10% по сравнению с прошлым годом даже в условиях сокращения турпотока.
4. Компания: Скиллсофт.
Промышленность: образование.Skillsoft — американская компания по производству образовательного программного обеспечения и контента, один из мировых лидеров в области корпоративных образовательных программ.
В партнерстве с IBM компания использовала внутренние данные о взаимодействии пользователей с системой непосредственно через программу и через информационные бюллетени по электронной почте, чтобы персонализировать их опыт, повысить вовлеченность и улучшить результаты обучения.
Данные о поведении пользователей в программе использовались для мониторинга вовлеченности, определения наилучшего времени и канала коммуникации, с помощью которого можно привлечь внимание пользователя.
Также на основе предпочтений этого и других пользователей была построена система рекомендаций образовательного контента (84% пользователей оценили рекомендации как актуальные) и предложены оптимальные методы визуализации материала для каждого пользователя.
Результат: увеличение вовлеченности пользователей во взаимодействие с контентом на 128%.
5. Компания: Huffington Post.
Промышленность: СМИ, журналистика.Huffington Post — популярное американское онлайн-издание, агрегатор и блог, имеющий множество локализованных версий для различных территорий и языков.
Компания использует A-B-тестирование для выбора лучших заголовков статей, изучает поведение и предпочтения целевой аудитории, чтобы публиковать материалы, которые интересуют определенные группы в часы их наибольшей активности (например, материалы для родителей публикуются поздно вечером в будние дни, после дети уже уснули).
Компания использует анализ поведения пользователей в браузере и системы рекомендаций, чтобы предложить пользователям наиболее интересный контент и сделать его более доступным и привлекательным, начиная с главной страницы сайта (технология Gravity).
Результат: в августе 2014 года был превышен порог в 100 миллионов уникальных посетителей в месяц, достигнуто первое место по популярности в США среди интернет-изданий, среднее количество просмотренных статей за сессию увеличилось до 10-12.
6. Компания: ВидиМакс.
Промышленность: предоставление контента - фильмов.
VidiMax — российский сервис, предоставляющий лицензионный доступ к художественным и документальным фильмам, сериалам, мультфильмам, спортивным трансляциям и сериалам.
Доступно через Smart TV, имеет около 1 миллиона пользователей.
Для повышения лояльности пользователей во время бесплатного двухнедельного пробного использования сервиса совместно с компанией «Е-Контента» внедрена рекомендательная система и создан блок персональных рекомендаций.
Результат: фильмы в блоке персональных рекомендаций смотрят в 2,5 раза чаще, чем фильмы в подборке самых популярных фильмов.
Внутренняя оптимизация
1.Компания: Сбербанк.
Промышленность: банки.
Сбербанк использует большие данные и машинное обучение во многих областях, включая кредитный скоринг.
Для решения этой проблемы компания использует не только традиционные данные, такие как социально-демографические параметры, кредитная история, история транзакций, финансовая отчетность, но и ряд других.
Для кредитного скоринга Сбербанк также использует графики связей клиентов, построенные на основе данных о денежных переводах и данных социальных сетей.
Для кредитного скоринга компаний используются новостные тексты с их упоминанием, для которых проводится автоматический анализ настроений.
В 2015 году компания добавила в модели данные сотовых операторов, что улучшило качество классификатора на 7 процентных пунктов.
по коэффициенту Джини.
Большое количество активных SIM-карт и короткое время работы, мелкие и многочисленные пополнения, подозрительные звонки свидетельствуют о мошенничестве и снижают вероятность одобрения заявки на кредит. Для розничных клиентов использование алгоритмов машинного обучения позволило повысить качество скоринговых моделей на 4 процентных пункта.
по коэффициенту Джини за счет более точного подбора факторов.
Результат: постоянный рост качества скоринговых моделей, в том числе за счет новейших инноваций.
2. Компания: Union Pacific Railroad
Промышленность: транспорт. Union Pacific Railroad — крупнейшая железнодорожная компания в США, имеет более 8 тысяч локомотивов и владеет крупнейшей железнодорожной сетью в США.Компания установила термометры, акустические и визуальные датчики и другие датчики внизу каждого поезда.
Данные от них передаются в процессинговый центр по оптоволоконным кабелям, протянутым вдоль железнодорожной сети.
В процессинговый центр также поступают данные о погодных условиях, данные о состоянии тормозных и других систем, GPS-координаты поездов.
Собранные данные и построенные на их основе прогностические модели позволяют отслеживать состояние колес и железнодорожного пути и прогнозировать сход поездов с рельсов за несколько дней или даже недель до возможного происшествия.
Этого времени достаточно, чтобы быстро устранить неполадки, избежать повреждения поезда и задержки других поездов.
Результат: компании удалось сократить количество сходов поездов с рельсов на 75% и избежать значительных убытков (ранее убытки от одного схода с рельсов могли достигать $40 млн).
3. Компания: Департамент полиции Лос-Анджелеса.
Промышленность: государственный сектор – полиция.
Использование решений, разработанных компанией ПредПол Полиции Лос-Анджелеса удалось получить наиболее вероятные места и места (с высокой точностью, около 50 кв.
м) совершения различных видов преступлений и направить туда дополнительные силы полиции для их предотвращения.
Система использует исторические данные о времени, виде и районе совершения преступления и обрабатывает их с помощью алгоритмов кластеризации в пространстве и времени.
Прогнозное моделирование осуществляется с использованием математических моделей точечных процессов ( Моделирование процесса самовозбуждающейся точки ).
Никакие персональные данные жителей города или данные об их местонахождении не используются, что позволяет нам соблюдать требования конфиденциальности.
Снижение преступности привело к сокращению расходов в полиции, судебной и исправительной системах.
Результат: снижение количества краж на 33%, снижение количества насильственных преступлений на 21%.
4. Компания: Entro.py.
Промышленность: эксплуатация зданий.Сент-Винсент — крупная австралийская сеть государственных и частных клиник, расположенных преимущественно в Сиднее и Мельбурне.
Компания, которая управляет зданиями клиники, — Entro.py, вместе с компанией ЗданиеIQ внедрило решение, которое анализирует текущие данные об использовании помещений, температуре и погодных условиях, а также характеристики зданий и исторические данные о потреблении энергии для снижения затрат на отопление и охлаждение зданий.
Результат: в 2014 году затраты на климат-контроль снизились на 12%.
5. Компания: United Parcel Service (UPS).
Промышленность: логистика.
UPS — американская логистическая компания, крупнейшая в мире компания по доставке посылок и управлению цепочками поставок, доставляющая более 16,9 миллионов посылок в день в более чем 220 стран.
UPS использует большие данные для оптимизации маршрутов, снижения затрат на топливо и снижения воздействия на окружающую среду.
Компания использует радар для отслеживания груза, собирает и анализирует показатели с множества датчиков для отслеживания состояния транспортных средств и поведения водителей, а также использует данные мобильных CRM для контроля доставки и качества обслуживания клиентов.
Для оптимизации маршрутов и снижения затрат компания внедрила систему ОРИОН — одну из крупнейших в мире систем, основанную на результатах математической теории исследования операций.
Построение оптимальных маршрутов осуществляется в режиме реального времени с использованием огромных вычислительных мощностей.
Для решения этой задачи система использует картографические данные, данные о пунктах отправления и прибытия, размерах и необходимых сроках доставки товаров.
Результат: экономия около 6 миллионов литров топлива в год, сокращение выбросов углекислого газа в атмосферу на 13 тысяч тонн ежегодно, увеличение скорости доставки.
6. Компания: ТиссенКрупп АГ.
Промышленность: машиностроение.
ThyssenKrupp AG — один из ведущих мировых производителей лифтов, обслуживающий более 1,1 миллиона лифтов по всему миру.
В партнерстве с Microsoft компания запустила систему MAX, которая посредством Интернета вещей собирает данные с множества датчиков, установленных в лифтах компании (они следят за скоростью движения кабины, работой дверей, температурой лифтов).
двигатель и т. д.) и использует его для построения прогнозных моделей на платформе машинного обучения Azure. Модели позволяют предотвратить инцидент до того, как он произойдет, и передать технику конкретный код неисправности, один из 400 возможных, чтобы сократить время обслуживания.
В результате сокращаются затраты на обслуживание и ремонт (одна поломка стоит не менее 300 долларов США) и создается дополнительная ценность для клиентов: лифты становятся надежнее, безопаснее, а владельцы магазинов, отелей и других организаций, расположенных в зданиях, не несут потерь.
Результат: Время безотказной работы лифтов увеличилось в среднем на 50%.
Узнайте о нашей программе «Большие данные для руководителей» Здесь .
А здесь новый набор на программу «Специалист по большим данным», а до 15 ноября действует скидка 15%.
Теги: #большие данные #Большие данные #наука о данных #Интеллектуальный анализ данных #Большие данные #Машинное обучение
-
Обновление Фишинга Паролей Hotmail:
19 Oct, 24 -
Электромеханический Конструктор Роботы-Xxi
19 Oct, 24 -
Что Изучают В Российских Школах?
19 Oct, 24 -
Комментарии
19 Oct, 24
