Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики

В каждом из трех случаев, описанных в этом разделе, огромное количество данных изначально собирается для целей операционной аналитики, после чего становится активом, способным создавать доход или сокращать расходы. Поиск творческих способов повторного использования данных и компенсации затрат на их сбор для операционной аналитики позволяет оправдать требуемые инвестиции. Убедитесь, что ваша организация ищет новые способы монетизации собираемых ею данных за рамками их первоначальной операционной области применения. Эта стратегия связана с концепцией превращения аналитики в продукт, которую мы обсуждали в первой главе.

Использование данных о местонахождении для обновления информации о трафике

И сотовые операторы, и провайдеры GPS должны собирать данные о местонахождении каждого абонента в любой момент времени, чтобы предоставлять свои основные услуги. Сотовый оператор знает о местонахождении своих абонентов благодаря тому, что их телефоны подключаются к вышкам сотовой связи. И очевидно, что GPS-навигатор не сможет сообщить пользователям, как им «отсюда» добраться «туда», если не знает, где находится «здесь». Однако те же данные, которые требуются этим организациям для предоставления своих основных услуг, обладают огромной ценностью и для использования в других целях.

Когда вы проверяете информацию о трафике на своем мобильном устройстве, очень часто она извлекается из тех же данных о местоположении абонентов, которые собираются для оказания основных услуг. Когда абонент едет по автомагистрали между штатами, оператор знает, с какой скоростью тот движется. Причем в любой момент времени оператор обладает такой информацией о большом количестве своих абонентов. Сведения о их местоположении обладают и дополнительной ценностью.

Поставщики услуг, собирая данные о местонахождении и скорости передвижения своих абонентов, повторно используют их на агрегированном уровне для поддержки систем слежения за дорожной обстановкой. И абоненты в часы пик могут получить новейшую информацию о трафике благодаря входным данным от тысяч таких же абонентов, которые движутся по тому же маршруту. Причем единственное, что нужно абонентам, так это пользоваться своими мобильными телефонами или GPS-навигаторами.

Использование сенсорных данных для повышения урожайности

Мы уже говорили о том, что детализированные сенсорные данные собираются с автомобилей, самолетов и другой техники. Теперь обратимся к данным, собираемым современными тракторами. Когда фермеры выводят трактор на поле, датчики собирают информацию о его работе. С какой скоростью трактор передвигается по полю? На какую глубину обработки установлен его культиватор? Какова температура почвы и воздуха? И многое другое. Изначально эти данные предназначены для использования в операционных целях, скажем, в виде аналитики для профилактического техобслуживания или контроля за соблюдением условий гарантии. Однако существуют и другие интересные способы применения этой информации.

Ценность данных может быть скрыта на самом виду

На первый взгляд, данные, собираемые для операционной аналитики, по большей части кажутся скучными и временными. Тем не менее зачастую этим данным можно найти творческое и неожиданное применение, которое не будет ни скучным, ни временным.

Постепенно углубляя свое понимание того, как фермеры в разных точках земного шара используют их оборудование, производители тракторов могут определить, какие методы земледелия позволяют получить максимальную урожайность. Они соотносят данные об урожайности, сообщаемые фермерами, с особенностями применяемых ими сельскохозяйственных технологий. Что если путем внесения небольших изменений можно урожайность повысить? Такие знания окажутся очень ценными для фермеров. Например, представьте, насколько полезно фермерам будет узнать о том, что увеличение глубины обработки культиватором всего на 0,3 миллиметра позволяет повысить урожайность. Однако такие знания могут быть получены только благодаря объединению операционных данных о применении оборудования большим количеством фермеров и использованию этих данных новыми способами.

Использование данных о соответствии условиям для увеличения продаж

Производители фасованных потребительских товаров ежегодно тратят огромные суммы денег на рекламу, промоакции и специальные выкладки товаров в магазине. Производители, с учетом высокой стоимости таких выкладок, хотят убедиться в том, что они размещаются в обговоренном месте и на протяжении обговоренного срока. Установка датчиков позволяет производителям контролировать местоположение выкладок без необходимости направлять в магазины своих сотрудников для визуальной проверки. Это дает возможность экономить много денег, а производители будут точно определять, когда была сделана выкладка их товара и как долго она находилась в этом месте.

Сопоставляя данные о местоположении с данными о продажах можно составить более ясное представление об эффективности промоакции. Например, некое место в торговом зале может казаться отличным для привлечения покупателей, а выяснится, что на самом деле это не так. Или же окажется, что выкладка была размещена в непривлекательном месте либо ее убрали на день раньше срока. Аналитика, оценивающая эффективность промоакции, способна принять вышеназванные обстоятельства во внимание. Соответственно при планировании следующих промоакций производитель будет договариваться о выделении лучшего места для выкладки и об оплате с учетом уточненных показателей продаж, привязанных ко времени и месту. Несмотря на то что изначально эти данные собираются с целью контроля за соблюдением условий, они могут использоваться для того, чтобы внести поправки в стратегии продвижения товара.

Создавайте и стратегическую аналитику

Итак, мы обсудили широкий спектр примеров тактического применения операционной аналитики. Однако собранные данные могут быть разнообразно использованы и в стратегической долгосрочной аналитике. Например, многие организации сегодня используют сенсорные данные и аналитику для того, чтобы выявлять возникающие со временем закономерности отказов оборудования. Это особенно характерно для производителей автомобилей, авиационных двигателей и тяжелой техники, такой как тракторы и самосвалы.

Собираемые данные используются для предупредительного техобслуживания – практического применения аналитики с целью опережающего выявления и устранения проблем, прежде чем те приведут к серьезным неполадкам. Мы уже вкратце касались этой темы в первой и второй главах, а теперь давайте рассмотрим ее подробнее, чтобы понять, как одни и те же данные можно использовать и в операционных, и в стратегических целях.

Чтобы проиллюстрировать потенциал подобного подхода, обратимся к такой дорогостоящей технике, как самолет. Сотрудник одной авиакомпании как-то по секрету сообщил мне, что снять крупный коммерческий самолет с рейсов и демонтировать с него двигатель для ремонта обойдется владельцам, по скромным оценкам, в сумму порядка $1 млн. Эта сумма складывается из потерянных доходов за время простоя самолета и стоимости рабочего времени, необходимого для демонтажа и повторного монтажа двигателя. Понятно, что авиакомпании (или военно-воздушные силы) прибегают к такому дорогостоящему ремонту только при крайней необходимости. К счастью, аналитика и данные позволяют радикально изменить подходы к техобслуживанию как на краткосрочном операционном, так и на долгосрочном стратегическом уровне.

Традиционно в случае отказа двигателя механики его осматривали, выясняли, какие симптомы наблюдались непосредственно перед поломкой, и пытались установить, что именно требует ремонта.

Сегодня же производители могут использовать датчики, которые в мельчайших подробностях отслеживают, как двигатель работает по прошествии времени. А когда возникают проблемы, данные анализируются с целью выявить ранние предупреждающие индикаторы. Например, может быть установлено, что поломке конкретного узла двигателя предшествовало усиление трения определенного компонента вместе с небольшим повышением температуры в течение нескольких дней или недель. После чего аналитика будет искать похожую комбинацию в других двигателях и, если обнаружит, подаст предупреждающий сигнал о необходимости проведения профилактического ремонта. Такова суть предупредительного техобслуживания.

Тем самым обеспечиваются два важных стратегических преимущества. Это позволяет производителям, во-первых, лучше понять динамику работы оборудования в реальных условиях и внести необходимые технические изменения, чтобы усовершенствовать оборудование в будущем. Во-вторых, заранее предупреждать серьезные поломки. В идеале такие процессы должны происходить в рамках планового техобслуживания, чтобы свести к минимуму издержки. Техобслуживание к тому же дешевле ремонта.

Обратите внимание, что здесь, помимо операционной аналитики, возникают возможности и для операционного применения традиционной аналитики. Операционная аналитика следит за работой двигателя в режиме реального времени и носит тактический характер. Стратегический компонент вступает в действие при корректировке долгосрочных планов техобслуживания на основе анализа сенсорных данных. Аналитика может быть применена для уточнения рекомендуемых графиков проведения техобслуживания с учетом работы двигателей в прошлом – таково стратегическое операционное применение традиционной аналитики. Данные об истории эксплуатации большого количества двигателей анализируются в пакетном режиме с целью выработать обновленные правила техобслуживания.