26 Ноября Четверг

Онлайн конференция Ростелекома DataTalks 2.0. День 2

Москва
В архиве
Разговоры с CDO
  • Круглый стол 1. Data-Driven культура в организации. Подходы к внедрению. Основные вызовы.
  • Круглый стол 2. Демократизация данных. За и против. Регуляторные требования и этика работы с данными.
  • Круглый стол 3. Супермаркет данных и развитие Self-service BI. Бизнес или ИТ должны стать драйвером развития Self-Service BI?
  • Круглый стол 4. Качественные данные: миф или реальность?
  • Круглый стол 5. Данные, как актив. Монетизация данных. Обсуждение успешных кейсов.
В архиве
Круглый стол 1 (спикеры)
Иван Черницын
руководитель Центра аналитических решений Дирекции региональных продаж, Газпром-нефть
Светлана Бова
CDO, управляющий директор, Вице-президент Департамент ИТ-архитектуры, ВТБ
Данила Наумов
CDO, Утконос Online
Юрий Сирота
cтарший вице-президент, руководитель департамента искусственного интеллекта и анализа данных, Банк Уралсиб
Круглый стол 2 (спикеры)
Сергей Носов
CDO, Ростелеком
Дмитрий Шостко
CDO Леруа Мерлен
Андрей Шурыгин
руководитель управления по работе с данными, Магнит
Александр Айваз
управляющий директор по данным и аналитике, Lamoda
Круглый стол 3 (спикеры)
Артем Уваров
директор департамента анализа данных и процессов, X5.Пятерочка
Александр Куликов
Data and Digital Delivery Lead, PepsiCo
Максим Феопентов
директор по развитию Евраз
Евгений Ильин
заместитель руководителя операционного блока Росгосстрах
Круглый стол 4 (спикеры)
Кирилл Евдокимов
Head of Data Management, Райффайзен банк
Дарья Иванова
директор Управления корпоративных данных и аналитики, Мерлион
Светлана Адрова
директор по инновациям и технологиям, КАПИТАЛ LIFE
Леонид Чёрный
CDO Мегафон
Модераторы (круглый стол 5)
Михаил Княжев
директор Департамента по развитию бизнеса, SAS Россия/СНГ
Круглый стол 5 (спикеры)
Антон Мерзляков
директор по аналитике больших данных Tele2
Андрей Зима
директор департамента анализа данных, Ростелеком
Юлия Богачева
Chief Data & Analytics Officer, QIWI
Денис Суржко
начальник Управления перспективных алгоритмов машинного обучения, Банк ВТБ

Данные, как актив: стоит ли их монетизировать

Сегодня данные называют новой нефтью: они способны не только эффективно улучшить бизнес-процессы компании, но и стать надежным активом. В этой ситуации руководители компаний стали все больше смотреть на Data Science, разыскивая возможности обеспечить рост бизнеса за счет извлечения выгоды из имеющейся информации.

О перспективах монетизации данных рассказал директор департамента анализа данных компании «Ростелеком» Андрей Зима на двухдневной конференции «DataTalks 2.0.».

В современном мире компаниям важно не только обладать данными, но и уметь правильно их использовать, преобразовывать и хранить. Данные должны быть инструментом, который повышает эффективность всех процессов, а не вредит им. Когда система отлажена, у многих возникает вопрос о возможности использовать данные еще эффективнее — то есть, монетизировать их.

В решении этого вопроса не стоит спешить, обращает внимание Андрей Зима, директор департамента анализа данных компании «Ростелеком». По его словам, на каждом этапе развития нужно понимать, какой объем инвестиций потребуется, чтобы дать максимальный рост.

«Стоит учесть, что показатели могут динамично меняться, что также усложняет процесс. Поэтому большой объем работ связан с развитием алгоритмов, способных структурировать все процессы.

Сегодня они на пике (алгоритмы.-ред), вкладываться в них будет верным решением. Развитие алгоритмики позволяет качественно развивать все направления, поэтому она сегодня перспективна», — отметил эксперт.

Развитие данных

В развитии данных есть основные составляющие — сами данные, их объем, количество, качество, структура, а также вычислительные мощности, обеспечивающие хранение и обработку. Это как раз и позволяет проводить сложную аналитику, отмечает Зима.

«Однако самое главное — понимание процессов. Если вы не будете понимать, как вы собираетесь монетизировать те или иные данные, то все разрабатываемые решения просто уйдут «в стол». Мы сейчас как раз разбираемся в выстраивании процессов, в которых можно персонализировать модели и получить максимальный эффект», — добавил эксперт.

Противовес развитию

Часто развивать процессы с целью их монетизации могут мешать отдельные департаменты или сотрудники, незаинтересованные в этом.

«Это вопрос сценарных подходов, бывает, что бизнес может не верить в целесообразность некоторых процессов. Есть мнение, что хороший менеджер решает лучше, чем правильная модель. Иногда это действительно так, но если правильному менеджеру по продажам давать выборку клиентов, которые изначально склонны к приобретению продукта, процесс пойдет легче, и конверсия повысится. Поэтому противопоставлять одно другому неверно, здесь возникает некая синергия», — считает Зима.

Он также исключил, что сценарии подобных процессов должны возникать только в группе по анализу, который будет выходить к бизнесу с финальным предложением.

«Это регулярная совместная работа. При этом компетенции необходимо растить и в бизнесе, и в анализе данных. Должен быть постоянный диалог, коммуникация, проведение расчетов. Это беспрерывный поиск решений, которые позволят улучшить ситуацию здесь и сейчас», — отметил Зима.

Новые вызовы и инструменты

По его словам, сегодня задачи бизнеса не меняются, однако значительно усложняются под влиянием современных вызовов. В этой ситуации Data Science предстоит искать все новые инструменты.

«И рассматривать все это стоит системно: это и вопросы переводчиков, и вопросы анализа данных и алгоритмов, а также искусственного интеллекта. Вычислительные мощности лишь позволяют эффективнее решать задачи. Инструменты и сами задачи будут усложняться», — отметил эксперт.

Экспериментируйте осторожно

Прежде чем окончательно утвердить проект, позволяющий еще эффективнее использовать или монетизировать данные, следует провести ряд экспериментов и проверить множество гипотез, доказывающих целесообразность процесса, обращает внимание Зима.

«Важно понимать, когда стоит остановиться в проверке той или иной гипотезы и перейти к следующей. Если ваш пилот дает эффект, то его можно операционализировать и следить за его развитием, совершенствуя модель. Не спешите входить во множество интеграций и вкладывать много средств. Внимательно стоит наблюдать за решениями, которые приносят экономически целесообразный эффект, и только тогда двигаться дальше — запускать полноценный проект с обеспечением финансирования», — подчеркнул эксперт.

По его словам, самое главное во время всего процесса — иметь перед собой модель развития или раскладку по достижению целевого результата. Так будет проще понять эффективность и необходимость его продолжения.

«Немаловажно также понимать, какие факторы вас тормозят на пути эксперимента и желании монетизировать те или иные данные. Учитывать стоит все факторы — от количества менеджеров по проектам, до числа операторов на обзвоне», — сказал Зима.

Эксперт отметил, что часто для достижения результатов необходимо улучшать не модель в целом, а отдельные факторы, мешающие выполнить задачу.

«Выявляйте элементы, которые способны дать максимальный рост, и развивайте их», — заключил Зима.

Хотите провести мероприятие или стать партнером?
Закажите обратный звонок и наш менеджер свяжется с вами в ближайшее время