10.10. Бизнес-приложения методов иад

В первую очередь ИАД сегодня, мягко говоря, заинтриговали коммерче­ские предприятия, развертывающие проекты на основе информационных хранилищ данных (Data Warehousing). Опыт многих таких предприятий показывает, что отдача от использования Data Mining может достигать 1000%. Например, известны сообщения об экономическом эффекте, в 10-70 раз пре­высившем первоначальные затраты от 350 до 750 тыс. дол. Приводятся све­дения о проекте в 20 млн. дол., который окупился всего за 4 месяца. Другой пример — годовая экономия 700 тыс. дол. за счет внедрения Data Mining в сети универсамов в Великобритании.

ИАД представляет большую ценность для руководителей и аналитиков в их повседневной деятельности. Деловые люди осознали, что с помощью ме­тодов ИАД они могут получить ощутимые преимущества в конкурентной борьбе. Рассмотрим примеры успешного применения методов ИАД.

Предприятия розничной торговли сегодня собирают подробную информа­цию о каждой отдельной покупке, используя кредитные карточки с маркой магазина и компьютеризированные системы контроля. Вот типичные задачи, которые можно решать с помощью ИАД в сфере розничной торговли:

• Анализ покупательской корзины (анализ сходства) предназначен для выявления товаров, которые покупатели стремятся приобретать вместе. Знание покупательской корзины необходимо для улучшения рекламы, выработки стратегии создания запасов товаров и способов их раскладки в торговых залах.

• Исследование временных шаблонов помогает торговым предприятиям ринимать решения о создании торговых запасов. Оно дает ответы на во­просы типа: «Если сегодня покупатель приобрел видеокамеру, то через какое время он вероятнее всего купит батарейки и пленку?»

• Создание прогнозирующих моделей дает возможность торговым пред­ приятиям узнавать характер потребностей различных категорий клиентов с определенным поведением, например, покупающих товары известных дизайнеров, или посещающих распродажи. Эти знания нужны для разра­ботки точно направленных экономичных мероприятий по продвижению товаров.

Имеются данные об эффективном применении методов ИАД в области телекоммуникационного сервиса, страхования, банковского дела.

Достижения технологии ИАД используются в банковском деле для ре­шения следующих распространенных задач.

Выявление мошенничества с кредитными карточками. Путем анали­за прошлых транзакций, которые впоследствии оказались мошенническими, банк способен выявить некоторые стереотипы такого мошенничества. На­пример, можно установить, что одним из предупреждающих сигналов слу­жат многочисленные транзакции в магазинах бытовой электроники в тече­ние короткого периода времени. Полученное знание банк может использо­вать в своих действующих системах путем запрещения подтверждения тран­закции, совпадающей со стереотипом мошенничества, без предварительной беседы с покупателем.

Сегментация клиентов. Разбивая клиентов на различные категории, банки могут сделать свою маркетинговую политику более целенаправленной и результативной, предлагая различные виды услуг разным группам клиен­тов. Например, банк может предлагать одну совместную (affinity) карточку клиентам, которые часто путешествуют, и другую — клиентам, которые все­гда вовремя оплачивают свои счета за покупки по кредитным карточкам. Сегментацию полезно также использовать для определения, какие конкретно отделения с наибольшей вероятностью получат прибыль от отдельных рекламных акций

Прогнозирование изменений клиентуры. ИАД помогает банкам стро­ить прогнозные модели ценности своих клиентов и соответственным обра­зом обслуживать каждую категорию. Для этого банк выясняет характер потребностей своих сегодняшних прибыльных клиентов и с помощью методов ИАД определяет общие черты, которыми они обладали несколько лет назад. Затем он выявляет клиентов, имеющих эти черты сегодня, считая их вероятными прибыльными клиентами в ближайшем будущем.

Банк может включить указанных клиентов в целевые программы удерживания клиентов, например, предлагая специальные сделки или вводя штрафные санкции за отказ от дальнейших услуг.

Страхование. Страховые компании в течение многих лет накапливают большие объемы данных. Здесь большое поле деятельности для методов ИАД:

• выявление мошенничества. Страховые компании могут снизить уровень мошенничества, отыскивая определенные стереотипы в заявлениях о вы­плате страхового возмещения, характеризующих взаимоотношения меж­ду юристами, врачами и заявителями в случаях, когда требуемая сумма достаточно высока, например, при возмещении ущерба.

• разработка новых видов сервиса. ИАД даст возможность выявить наи­более выгодные комбинации категорий клиентов, вариантов полисов и их покрытия. Знание таких комбинаций необходимо для разработки новых продуктов и более точной «настройки» существующих продуктов для продажи в будущем.

• анализ риска. Путем выявления сочетаний факторов, связанных с опла­ченными заявлениями, страховые агентства могут уменьшить свои поте­ри по обязательствам. Известен случай, когда в США крупная страховая компания проверила заявления, по которым были выплачены значитель­ные суммы за последние два года. При этом обнаружилось, что суммы, выплаченные по заявлениям людей, состоящих в браке, вдвое превыша­ют суммы по заявлениям одиноких людей. Компания отреагировала на это новое знание пересмотром своей общей политики предоставления скидок семейным клиентам.

Телекоммуникации. В области телекоммуникаций характерен растущий уровень конкуренции. Здесь методы ИАД помогают компаниям более энергично продвигать свои программы маркетинга и ценообразования, чтобы удержать существующих клиентов и привлечь новых.

Приведем пример. Телефонная компания обеспокоена низким спросом на мобильные телефоны. Требуется проведение целевой рекламной кампании. Имеется описание клиентов в широком спектре атрибутов, а также информация о динамике предоставления услуг. Требуется выявить круг потенциальных покупателей. Задачи о росте уровня доходов, определении причин снижения роста прибыли и множества других могут решаться только на основе достоверной исторической информации из Хранилища Данных, и при этом требуют инструментария, методологии, а также ква­лифицированных специалистов. В число типичных мероприятий входят следующие:

Анализ записей о подробных характеристиках вызовов. Назначение та­кого анализа — выявление категорий клиентов с похожими стереотипами пользования их услугами и разработка привлекательных наборов цен и ус­луг.

Выявление лояльности клиентов. Некоторые клиенты все время меня­ют провайдеров, пользуясь программами новых компаний, стимулирующи­ми появление новых клиентов. Data Mining можно использовать для опреде­ления характеристик клиентов, которые, один раз воспользовавшись услуга­ми данной компании, с большой долей вероятности останутся ей верными. В итоге средства, выделяемые на маркетинг, можно тратить там, где отдача больше всего.

В качестве директора по маркетингу вы можете получить доступ к большому количеству информации о ваших перспективных клиентах, их возрас­те, поле, кредитной истории и использовании телефона на протяжении дли­тельного времени. Проблема заключается в том, что вам не известны их будущие потребности в телефонной связи. Вы бы хотели сконцентрироваться на тех потенциальных клиентах, которые имели в прошлом большой объем использования телефонной связи

Цель прогнозирования — сделать некоторые рассчитанные предположе­ния относительно потенциальных клиентов. Например, простая модель для телекоммуникационной компании может выглядеть следующим образом: 98% моих клиентов — это те, которые зарабатывают более $60000/год, тра­тят более $80 на международные (междугородние) переговоры. Эта модель далее может быть применена к перспективным данным, чтобы сделать за­ключение относительно информации о собственности клиента, к которой компания в настоящее время не имеет доступа. Располагая такой моделью, можно целенаправленно проводить рекламную компанию среди потенци­альных клиентов. Целевой маркетинг является блестящим источником дан­ных для этого типа моделирования.

В области маркетинга исчерпывающие хранилища данных, которые интегрируют операционные данные о клиентах, поставщиках и рынке порождают информационный взрыв. Конкуренция требует своевременного и сложного анализа интегрированного взгляда на данные. Реляционная и OLAP технологии позволяют пользователю лучше ориентироваться в масси­вах данных информационных хранилищ, однако этого недостаточно.

Способ взаимодействия компаний с их клиентами существенно изменил­ся за последние несколько лет. Клиент не гарантирует своих стабильных связей с бизнесом. В результате компании обнаружили, что им необходимо лучше понимать их клиентов и быстро реагировать на их потребности. Что­бы преуспеть, компании должны действовать с опережением с учетом сле­дующих факторов.

1. Сжатый цикл маркетинга. Сократилось время между возникновением потребности и ее исполнением. Иначе клиент может уйти к другой компании.

2. Возрастание стоимости маркетинга. Растут цены на печать, почтовые расходы, специальные предложения.

3. Значительно растет число модификаций продуктов.

4. Конкуренты выбирают узкий сегмент и лучше организуют в нем работу. Методы ИАД могут, например, говорить о том, что женатые мужчины с детьми вдвое чаще водят автомобиль некоторой специфической модели, чем женатые мужчины без детей. Если вы— директор по маркетингу, эта информация может быть вам очень полезна.

ИАД использует статистические модели и модели обучения, чтобы предсказать поведение покупателя. ИАД помогает проводить маркетинговую ком­панию более точно и также проводить компанию более тесно с потребностя­ми, нуждами и отношениями покупателей и потенциальных покупателей.

Если необходимая информация существует в базе данных, процесс ИАД может моделировать виртуально любую активность. Ключ заключа­ется в том, чтобы найти образы, релевантные текущим проблемам бизнеса. Типичные вопросы, на которые дает ответ ИАД — это следующие: какие клиенты наиболее вероятно откажутся от обслуживания их сотовых теле­фонов. Какова вероятность, что покупатель приобретет по крайней мере на $100 товаров из конкретного каталога, присланного по почте? Какие по­тенциальные покупатели более вероятно реагируют на конкретное пред­ложение? Ответ на эти вопросы может помочь сохранить покупателей и увеличить долю положительных ответов компании, что в свою очередь увеличивает покупки, кросс-продажи и отдачу от инвестиций (return on investment (ROI)).

В ИАД предсказание обеспечивается моделью, которая обычно называет­ся score (значимость) (счет очков).

Значимость (обычно числовая величина) приписывается каждой записи в базе данных и указывает правдоподобие, что клиент, записи о котором была приписана значимость, проявит некоторое конкретное поведение.

Компании по предоставлению кредитных карточек могут обрабаты­вать свои огромные хранилища данных, чтобы идентифицировать клиентов, которые наиболее вероятно заинтересованы в новом кредитном продукте. Последние проекты указывают на более чем 20-кратное уменьшение почто­вых расходов по сравнению с обычным подходом.

Диверсифицированная транспортная компания с большим объемом продаж может применить DM для идентификации наилучших перспектив для своих служб. Используя DM для анализа опыта собственных покупате­лей, компания может построить уникальную сегментацию, идентифици­рующую атрибуты перспективных покупателей.

Компания оптовых перевозок может применить DM-технологию для оптимизации маршрутов перевозок.