Суть и цель технологии data mining можно выразить в нескольких словах: это технология, которая предназначена для поиска в больших объемах данных неочевидных, объективных и практически полезных закономерностей.

Неочевидных – это значит, что найденные закономерности не обнаруживаются стандартными статистическими методами обработки информации или даже опытными экспертами. Дело в том, что стандартные статистические методы преимущественно ориентированы лишь на обобщение информации, а не ее глубокий анализ. Эксперты же будут искать закономерности на основе своего прошлого опыта. Если закономерность не укладывается в его представление, он ее никогда не обнаружит.

Объективных – это значит, что обнаруженные закономерности будут полностью соответствовать действительности в отличие, например, от экспертного мнения, которое всегда основано на субъективном и, следовательно, ограниченном, видении ситуации.

Практически полезных – это значит, что полученные выводы имеют свое конкретное бизнес-значение, которое позволит повысить прибыльность бизнеса.

В качестве иллюстрации этих важных свойств можно привести один известный пример. Data mining часто применяется в розничной торговле для выявления товаров, которые покупатели приобретают совместно, за одну покупку. Зная такие товары, специалисты выставляют их на полках рядом друг с другом и, таким образом, покупатель, купив один товар, не забудет купить и другой. Это удобно для всех – покупатели уходят довольные, продажи магазина растут. Так вот, специалисты одного из супермаркетов крупнейшей международной сети Wal-Mart, благодаря применению data mining, обнаружили, что в пятницу вечером пиво почему-то особенно хорошо продается вместе с детскими подгузниками. Сначала они были крайне удивлены: казалось бы, какая может быть связь между такими разными товарами? Вскоре, тем не менее, объяснение нашлось: многие мужчины, возвращаясь по вечерам с работы, по просьбе жен, покупали своим детям подгузники; а в пятницу при этом они справедливо замечали, что за тяжелую трудовую неделю заслужили свою награду – и добавляли в корзину пиво. Менеджеры Wal-Mart умело воспользовались такой находкой: поставив на полки рядом с подгузниками одни из самых дорогих марок пива, удалось добиться «геометрического роста» его продаж. Согласитесь, чтобы обнаружить такую зависимость при помощи статистических методов, надо было заранее предполагать, что между подгузниками и пивом может быть какая-нибудь связь. На это способны либо крайне проницательные специалисты, либо сумасшедшие. И тех, и других среди бизнес-специалистов немного, поэтому data mining является важным дополнительным инструмент повышения эффективности бизнеса.

Здесь Вы можете прочитать подробнее об отличиях технологии data mining от стандартных статистических методов >>

Возможности нахождения скрытых закономерностей и более глубокого анализа информации всерьез заинтересовали западный бизнес. Ведь в любом бизнесе, в процессе его развития, накапливаются большие объемы информации – информация о клиентах, о продуктах, продажах, продвижении и т.д. – и всю эту информацию необходимо использовать наиболее эффективно. Основной интерес к этой технологии традиционно проявляют те отрасли, в которых сбор данных – это неотъемлемая часть их бизнеса. Например, это банки, торговые, страховые и телекоммуникационные компании, отделы маркетинга и продаж компаний. Data mining уже давно успешно зарекомендовала себя в западных компаниях (например, в том же Wal-Mart она лежит в основе практически всех бизнес-процессов) и теперь постепенно начинает получать заслуженное признание в российских.

Разумеется, за такие неординарные возможности приходится платить. Дело в том, что data mining довольно науко- и трудоемкая технология. Для ее эффективного применения необходимы квалифицированные специалисты, которые качественно подготовят данные к анализу; специалисты, которые знают, для каких задач какие алгоритмы следует применять, а какие применять бесполезно; специалисты, которые сумеют проинтерпретировать полученные результаты в терминах решаемых бизнес-задач. Далеко не каждая компания может содержать штат таких специалистов, а зачастую, когда данные обновляются, например, раз в квартал или реже, их содержание неэффективно – специалисты большую часть времени не будут работать.

Именно по этой причине основной рынок технологии data mining занимают сервисные компании, в которых работают высококвалифицированные специалисты, готовые взять на себя все технические сложности применения технологии, избавляя заказчика от необходимости в них разбираться, и предоставляя ему готовое решение актуальных для него бизнес-задач. На западе среди таких компаний можно выделить, например, Elder Research, Inc., Data-Miners, Two Crows. В России этим занимается наша компания, «Аналитические технологии для бизнеса (SnowCactus)».

По словам Усамы Файада (Usama Fayyad) – гуру, стоявшего у истоков data mining – все больше компаний обращаются к сторонним специалистам, которые могут взять на себя все технологические детали. «Аутсорсинг способен помочь компаниям избежать многих рисков, сложностей, дополнительных затрат на поиск профессионалов – того, что связано с запуском полномасштабного проекта data mining собственными силами, он позволяет бизнесу сфокусироваться на непосредственных источниках конкурентных преимуществ. К сожалению, история data mining показывает, что компании зачастую настолько увлекаются самой технологией, вкладывая свое время и ресурсы в то, чтобы заставить ее работать, что забывают об истинных бизнес-целях, для достижения которых технология и применяется».

<< В раздел «Наши услуги»

<< В раздел «Статьи»

<< На главную страницу