SAS

Высокая конкуренция на рынке розничного страхования побудила компанию «Ингосстрах» к выходу на новый уровень взаимодействия с клиентами. Осознав клиентскую базу как ценный актив, руководство компании создало Центр работы с большими данными, целью которого стало увеличение продаж и уровня пролонгации за счет запуска проактивных, персонализированных коммуникаций с клиентами. О реализации проекта рассказывают номинанты на премию Data Award: Иван Матвеев, первый заместитель генерального директора, Евгений Климов, начальник управления координации продаж и развития отношений с клиентами, и Сергей Мруз, директор департамента онлайн-бизнеса и развития отношений с клиентами компании «Ингосстрах».

— Когда в компании появился Центр работы с большими данными, какова история его создания?

Сергей Мруз: Центр работы с большими данными появился в июне 2020 года, одновременно с созданием департамента онлайн бизнеса и развития отношений с клиентами. В качестве одной из ключевых стратегических задач компания определила развитие клиентоцентричности. Нам нужно лучше понимать, кто наш целевой клиент, какие у него потребности, какие каналы взаимодействия он предпочитает, каким образом реагирует на скидки или повышение цены и т.д. Надо признать, что до тех пор «Ингосстрах» ориентировался скорее не на клиентов, а на договора в системах, а функция клиентоцентричности в значительной степени перекладывалась на агентов.

— Какие «боли» бизнеса привели к столь радикальным изменениям?

С.М.: Руководством «Ингосстраха» была поставлена задача увеличения уровня пролонгации договоров и проникновения продуктов, данное направление воспринималось как явная зона роста. Это подразумевало выход на новый уровень взаимодействия с клиентами. Одним из недоиспользуемых активов оказалась клиентская база: в силу специфики розничного страхования, общение с клиентами происходило только в реактивном режиме – во время их обращений в компанию. Более того, при этом оно происходило не напрямую, а по большей части через посредников.

Осознав клиентскую базу как ценный актив, мы инициировали проект по созданию Центра работы с большими данными, целью которого стало увеличение продаж и уровня пролонгации за счет запуска проактивных, персонализированных коммуникаций с клиентами, а также за счет сокращения клиентского пути в каналах продаж

— Центр работы с большими данными охватил только работу с клиентами или внутренние аналитические процессы тоже?

С.М.: Аналитика клиентов является нашим приоритетом, но также анализируются и другие процессы – например, мошенничество, урегулирование убытков, пролонгация, тарифы и т.д.

— Какие данные используются для работы?

Евгений Климов: Сейчас мы используем социально-демографическую информацию по клиентам, историю их покупок, историю страховых событий, информацию по имуществу клиентов из внутренних источников и открытых внешних источников. При этом была проделана большая работа по перестройке принципов и логики хранения данных страховщика: информация, ранее хранившаяся в разрезе договоров и убытков, была сведена на уровень клиента. Ведутся работы в рамках отдельного направления работ по созданию «золотой записи» клиента группы «Инго».

В основу системы, построенной с целью консолидации и монетизации данных о миллионах наших клиентов, легли решения SAS – от сбора и очистки данных по клиентам, в том числе информации о результатах коммуникаций с ними, до оптимизации целевых маркетинговых кампаний, таргетирования и предрасчета предложений.

— Что включал объем работ и какое время на это потребовалось?

Е.К.: Развертывание всех модулей и первичная интеграция аналитики в бизнес-процессы заняли 15 месяцев. За это время были реализованы трудоемкие процессы по верификации, валидации и обогащению клиентских данных, консолидации информации с уровня договора на уровень клиентов, построены витрины данных, настроены предрасчеты кросс-предложений, на исторических данных построены математические модели сегментации клиентской базы и персонализации предложений, модели прогноза отклика. Также были автоматизированы или модернизированы процессы, влияющие на удобство совершения покупки клиентом, включая калькуляторы страховых продуктов на сайте, автоматическое выставление счета в коммуникациях на пролонгацию договора и систему маршрутизации лидов.

В ближайшее время планируется к реализации операционный CRM, подсистема персонализации кросс-предложений, а также репозиторий кросс-предложений для клиентов всех компаний группы «Инго».

— Какие проблемы при создании аналитической платформы потребовалось решить, что было самым сложным?

Е.К.: Ключевые проблемы, с которыми мы столкнулись: сложность внутренних процессов и систем, проблемы с качеством данных, технические ограничения системы – например, отсутствие возможности масштабировать формирование предварительных расчетов для клиентов. Кроме того, требовалась интеграция с множеством каналов взаимодействия с клиентами.

— Масштабные изменения в процессах компании почти всегда требуют культурной перестройки…

Иван Матвеев: Для развития культуры работы с данными мы совместно со специалистами из школы «Яндекса» и Сибирского федерального университета разработали программу подготовки специалистов в области Data Science. Она запущена на постоянной основе на базе СФУ (Красноярск) и ИГУ (Иркутск).

Текущая программа охватывает специальность data scientist и предполагает подготовку специалистов уровня junior, так как большинство студентов зашли в программу с нулевыми знаниями в этой области. Ведется работа по расширению программы и подготовке data-аналитиков и data-инженеров.

— Каковы потребности компании в специалистах и какова «мощность» программы?

И.М.: Наши потребности в data-специалистах постоянно растут, текущая оценка более 50 специалистов по группе компаний «Инго». Рассчитываем на выпуск примерно 30-40 специалистов в год. Первый поток программы в Красноярске завершается в апреле, в Иркутске – в мае. На обучении сейчас суммарно более 70 человек

— Каких результатов уже удалось добиться?

И.М.: Внедрение аналитических решений помогло нам перестроить процессы целевого маркетинга и вывести на новый уровень культуру работы с клиентскими данными. Мы смогли перейти от реактивного подхода, когда работа идет над входящими обращениями от клиентов, к проактивным персонализированным коммуникациям, когда компания сама создает точки контакта с клиентами и делает предложения, адаптированные под их потребности. Проект уже оказал большое влияние на смежные бизнес-направления внутри финансовой группы «Инго» и способствует развитию страховой экосистемы «Ингосстраха», в рамках которой на первом этапе предполагается запустить кросс-продажи продуктов компаний группы объединенной базе клиентов группы, а на втором – развить продажи продуктов и сервисов от других партнеров.

— Какой из результатов вы считаете наиболее показательным?

И.М.: Очень важно, что проект помог перейти к проактивным продажам, повысить эффективность процессов перекрестных продаж (X-sell) и повысить удобство приобретения полисов для клиентов. Совершенно очевидно, что предложение X-sell должно быть релевантным и доступным во всех каналах продаж, а процесс оформления продукта должен быть коротким, понятным и удобным для клиента. Если же у клиента появляются какие-то вопросы, вся информация по сделанному ему предложению должна быть наготове у сотрудников во всех каналах взаимодействия с клиентом.

— Каковы финансовые эффекты?

И.М.: С помощью аналитического CRM за год апробации подходов к монетизации клиентской базы было запущено более 1,2 тыс. целевых кампаний и направлено более 10 млн коммуникаций. Это позволило получить дополнительные продажи на несколько миллиардов руб. Собственно, главной целью проекта и было повышение кросс-продаж добровольных видов страхования и уровня пролонгации договоров.

Кроме того, нами были организованы процессы по продажам продуктов компаний группы «Инго» (банк «Союз», ИГС-Ж, ИГС-Инвестиции и т.д.). Суммарные продажи на конец 2021 года достигли 700 млн руб. Ранее по этим направлениям не делались целевые маркетинговые предложения, а теперь компания проходит сквозь процесс проработки всех элементов воронки продаж и настройки процессов для дальнейшего масштабирования.

— В каком направлении будет развиваться проект?

И.М.: В финальной стадии реализации находится система Next Best Offer для ключевых каналов продаж. Развивается подсистема приоритезации кросс-предложений на основании ожидаемой доходности от контакта. Одновременно с этим идут автоматизация процессов актуализации клиентских данных и работы по созданию централизованного репозитория кросс-предложений для клиентов всех компаний группы «Инго».

В фармацевтической компании BIOCAD запущена уникальная программа для подготовки редких специалистов в области статистического программирования. Ее выпускники смогут закрыть актуальные кадровые потребности компании и будут востребованы на рынке фармацевтики и биотехнологий. О реализации этого образовательного проекта рассказывают номинанты на премию Data Award – Юлия Линькова, заместитель генерального директора по клинической разработке и исследованиям BIOCAD, и Антон Мещеряков, руководитель отдела биостатистики и дата-менеджмента.

— Как появилась эта программа, какова история ее создания?

Юлия Линькова: Идея создания программы появилась в департаменте клинической разработки BIOCAD. Наша компания активно развивается, и вместе с этим растет потребность в новых специалистах, которые смогут вместе с нами реализовывать уникальные проекты. Для выполнения всех запланированных анализов данных клинических исследований требуется больше ресурсов, в том числе кадровых. Поэтому у нас возникла потребность в квалифицированных специалистах, а именно аналитиках, которые умеют программировать на языке SAS. Таких кадров на рынке критически мало, и это вызывало трудности на этапе подбора персонала. Возникла логичная идея: создать проект для молодых специалистов, которым интересна данная сфера, и самостоятельно их обучить.

— В чем заключались проблемы?

Антон Мещеряков: В нашей компании очень высока потребность в SAS-специалистах, имеющих подготовку в области анализа данных клинических исследований, биостатистики, регуляторики и методологии исследований. Период закрытия таких узкопрофильных вакансий значительно дольше, чем линейных. Общеизвестно отсутствие конкретных специализаций для подготовки в вузах и дефицит готовых специалистов, способных сразу включиться в работу над проектами компании. Наблюдается большой компетентностный разрыв между требованиями и реальными навыками соискателей. Все это приводит к высокой конкуренции в индустрии за специалистов и как следствие – их завышенным зарплатным ожиданиям.

— Какие задачи требовалось решить?

Ю.Л.: Основной целью проекта является подготовка грамотных специалистов, знающих язык программирования SAS, которые будут востребованы на рынке биотехнологий и смогут закрыть кадровые потребности компании BIOCAD. Для достижения этой цели мы поставили перед собой ряд задач. Это развитие сотрудничества с лидером в сфере решений для анализа данных, повышение узнаваемости HR- и ИТ-бренда компании, отбор сильнейших участников с высокой мотивацией с помощью конкурсного отбора. Кроме того, требовалось подготовить уникальный образовательный материал с экспертами компании, который может быть переиспользован во внутреннем обучении, и подготовить учащихся к работе в компании, сократив компетентностный разрыв и время на последующую адаптацию. Лучших выпускников мы трудоустраиваем в компанию.

— Что собой представляет школа?

А.М.: Это образовательный проект, созданный нами в партнерстве со специалистами SAS Institute. Обучение рассчитано на пять месяцев и включает как обучение языку программирования SAS, так и фундаментальным знаниям в области клинических исследований, принципам разработки лекарственных препаратов и надлежащей клинической практики, основным документам клинического исследования и международным регуляторным требованиям по предоставлению и анализу полученных данных.

Важно, что обучение имеет практическую направленность и уделяет особое внимание аспектам непосредственного выполнения анализа клинических исследований, где участники работают с реальными данными. Задания включают статистический анализ данных, создание таблиц, листингов, графиков, ETL-операции по созданию базы данных анализа и многое другое. Переключение на реальные задачи после отработки на тестовых базах данных позволяет экономить ресурсы сотрудников отдела биостатистики уже в ходе проекта, так как в данном случае сотруднику BIOCAD остается только выполнить контроль качества после выполнения задания.

Программа разработана «с нуля», с ориентиром на то, кого мы хотим видеть на программе, на каких условиях, под какие задачи, какими будут критерии отбора и траектория обучения. Для проекта были подготовлены уникальные учебные материалы, которые в дальнейшем могу быть использованы для внутреннего обучения действующих сотрудников на площадке корпоративного университета компании.

Анализ данных клинических исследований с помощью решений SAS является отраслевым стандартом для фармацевтики и принимается регуляторами всего мира. Уже в процессе обучения участники проекта привлекаются к реальным задачам и приносят пользу в актуальных проектах клинической разработки.

— Почему именно собственная школа, а не курсы у партнеров?

Ю.Л.: При выборе площадки мы рассматривали различные варианты, но в России нет подобных программ, на базе которых можно было бы реализовать данный проект. В настоящее время SAS-школа BIOCAD не имеет аналогов. Реализация проекта собственными силами позволяет нам выбирать, чему и как мы будем учить, ведь у нас есть конкретное понимание того, какими навыками и компетенциями должен обладать сильный SAS-специалист.

— По каким критериям осуществляется отбор в программу?

А.М.: При поиске кандидатов мы ориентировались на выпускников технических вузов, основной упор был на ИТ-специалистов. Среди требований к участникам можно выделить умение программировать на любом языке, знание английского не ниже pre-intermediate и, конечно же, готовность развиваться и обучаться. Стоит отметить, что опыт работы в фармацевтической сфере у кандидатов не обязателен, так же, как и навыки программирования именно на языке SAS. Мы получили 270 заявок на участие, после выполнения тестового задания до финального собеседования дошло 20 человек, 10 из которых были приняты в программу.

— Число заявок на обучение в 27 раз больше, чем мест. Какова судьба сотрудников, не прошедших отбор, не влияет ли это на их мотивацию?

Ю.Л.: Программа направлена не на сотрудников, а на внешнюю аудиторию. С теми кандидатами, которые не прошли отбор, мы остаемся на связи: приглашаем их к участию в других наших проектах, делимся информацией по открытым вакансиям и, конечно, в случае запуска второго потока, мы будем рады увидеть их в SAS-школе BIOCAD. У сотрудников нашей компании тоже есть возможность принять участие в проекте в качестве преподавателей и наставников, что положительно влияет на их развитие.

— Каковы вообще потребности компании в специалистах SAS?

Ю.Л.: На данный момент по ряду проектов анализом данных клинических исследований занимаются подрядные организации, и мы стремимся к тому, чтобы иметь возможность самостоятельно закрывать все эти задачи. Для этого нам нужно расширять свою команду. При поиске новых кандидатов мы столкнулись с тем, что в России очень мало специалистов с релевантным опытом и знанием языка программирования SAS, существует огромный дефицит рабочих кадров, у специалистов непропорционально завышены зарплатные ожидания и происходит постоянная ротация этих сотрудников между компаниями.

— Какие результаты достигнуты?

А.М.: Нам удалось трудоустроить восемь специалистов: две вакансии были закрыты еще во время проекта, так как двое участников досрочно закончили обучение и были приглашены на постоянную работу в штат компании; после выпускного мы пригласили в штат еще шесть человек. Мы очень гордимся тем, что все 10 участников проекта прошли экзамен уровня Base и получили официальный международный сертификат. После окончания SAS-школы оставшиеся участники смогли попробовать свои силы в сдаче экзамена SAS Advance и шесть из них успешно с ним справились.

Важно и развитие сотрудников компании через преподавание и наставничество: в проект школы вовлечено 28 сотрудников BIOCAD, которые за время курса смогли поделиться своим опытом и знаниями с молодыми специалистами. На основании проведенных опросов для сбора обратной связи у преподавательского состава, работа с молодежной аудиторией и возможность делиться своей экспертизой – одна из дополнительных мотивационных причин работы в компании.

На завершающем этапе обучения участники школы примут участие в анализе реальных данных одного из клинических исследований BIOCAD, результаты которого будут впоследствии использованы для регистрации препарата, который не только принесет прибыль компании, но поможет в улучшении качества жизни и сохранению здоровья тысяч пациентов, страдающих тяжелым заболеванием.

— Пытаетесь ли оценить финансовую эффективность работы школы?

Ю.Л.: Оценить финансовую эффективность проекта можно будет спустя определённое время после его завершения, но у нас уже сейчас есть понимание, что проект экономически выгоден, ведь мы сможем отказаться от услуг некоторых контрактных организаций. Внедрение SAS в обработку огромного массива данных клинических исследований позволяет повысить качество, достоверность и прозрачность расчетов, что значительно снижает риски регуляторных запросов по статистической части. Кроме того, данное ПО позволяет автоматизировать все процессы по созданию листингов, графиков, таблиц для отчетов. Это значительно снижает трудозатраты медицинских экспертов и других сотрудников, вовлеченных в написание больших отчетов (4-8 тыс. страниц), увеличивая скорость работы в 2-2,5 раза – это прямая экономия времени. Более того, это позволяет ускорить подачу документов регулятору для рассмотрения и последующей регистрации инновационных препаратов, в которых так нуждаются наши пациенты. Для нас это очень важно, ведь мы работаем в секторе тяжелых инвалидизирующих нозологий, среди которых онкология, аутоиммунные патологии и другие социально значимые заболевания.

— В чем роль запущенного образовательного проекта для бизнеса компании?

Ю.Л.: Выход фармацевтической компании на новые высокорегуляторные рынки требует соответствия международным стандартам (GMP, FDA). BIOCAD одним из первых начал внедрять в свою работу инструменты аналитики SAS, тем самым повышая престиж российских фармацевтов в мировом сообществе. Создание внутренней программы подготовки редких специалистов позволит компании не зависеть от сложного процесса привлечения опытных специалистов из других организаций, а также от внешних подрядчиков, что обеспечит экономию в десятки миллионов рублей в год.

— Планы развития школы – например, по другим направлениям дата-специалистов и т. п.

Ю.Л.: 11 марта 2022 года у нас состоялся выпускной первого потока школы, сейчас мы планируем обсудить дальнейшую судьбу и развитие проекта.

С марта в Утконосе появилась должность Chief Data Officer. Компания считает использование данных во всех бизнес-процессах важным шагом на пути к цифровой трансформации и централизует свои усилия в этом направлении. Мы встретились с Данилой Наумовым, директором по данным онлайн-гипермаркета Утконос, в рамках SAS Forum Russia 2019. Он рассказал о стратегии компании на пути к «цифре», о первых шагах в новой должности и планируемых изменениях в работе с данными.

Скорость доставки, цены, качество продуктов — очевидные конкурентные преимущества любого ретейлера. Где здесь могут пригодиться данные?

Действительно, все это важно. А данные могут понадобиться при решении любой задачи. С точки зрения скорости доставки перед нами стоят проблемы оптимизации логистики, в области цен — вопросы, связанные как с регулярным ценообразованием, так и с промоакциями. И тут нам есть чем похвастаться. Актуальны также задачи ассортиментного планирования, добавления в ассортимент востребованных покупателями товаров и вывода непопулярных. Кроме того, есть возможность создания собственных торговых марок — для этого нужно знать, какими характеристиками должен обладать тот или иной продукт.

А какие еще преимущества могут дать компании сервисы, основанные на данных?

Часто диалоги об аналитике у ретейлеров так или иначе связаны с качеством управления запасами — прогнозированием спроса и оптимизацией товарных запасов, обеспечением их нужного уровня. И это не случайно — вопрос действительно критически важен. Отдельно надо сказать о целевом маркетинге: кластеризации клиентов, прогнозировании отклика на маркетинговые кампании. Разумеется, персональные предложения должны быть релевантными — это требование времени. В противном случае лояльность клиента резко падает. Хорошо показывают себя рекомендательные системы на сайте. Если они правильно построены, то существенно повышается средний чек. Мы постоянно занимаемся оптимизацией складских операций. Например, совершенствуем слоттинг — даем рекомендации, в каких местах следует хранить товар, чтобы процедура комплектации заказов была максимально быстрой, а на складе не возникало пробок.

Все это — внутренние истории. Возможно ли что-то, нацеленное вовне?

Не соглашусь с таким разделением. Наличие товара в продаже напрямую сказывается на поведении клиента, если же клиента не устраивают цены, он пойдет к другому ретейлеру. Потребность в подобной аналитике диктуется рынком. Мы очень долго были не просто лидером, а вообще единственной компанией, занимающейся доставкой продуктов. Наши трансформационные процессы обусловлены именно появлением конкурентов. В сфере онлайн-ретейла крайне тяжело выйти на новый рынок — например, в другой город. Обустройство складов и выстраивание логистических сетей стоит невероятно дорого и требует единовременных инвестиций. Офлайн-ретейлер, в отличие от нас, может позволить себе постепенно увеличивать число магазинов.

Существовала ли до вас в Утконосе должность директора по данным?

Такой должности не было. Но уже функционировал аналитический центр, который занимался BI-функцией, его начали формировать с лета прошлого года. Прежде аналитическая работа велась разрозненно: в каждом бизнес-подразделении были собственные аналитики. Аналитический центр был создан с вполне понятной целью — объединить аналитиков из разных подразделений, чтобы ликвидировать дублирование отчетов. Понятно, что в разных подразделениях аналитики зачастую занимались схожими задачами. Кроме того, параллельно велось несколько проектов, связанных с прогнозированием спроса и построением системы автозаказа. В этих направлениях были существенные наработки. Требовалось их развить и добавить в число используемых технологий машинное обучение и другие современные методы. И поэтому в Утконосе появился директор по данным.

Что появление этой должности фактически означает для компании?

Наша компания идет по пути цифровой трансформации, и мы разделили ее на три составляющих. Первая — переход от традиционной иерархической структуры к продуктовой структуре. Мы создали множество продуктовых команд, в них входят представители бизнеса, data science, бизнес-аналитики, ИТ (ее инфраструктурной части). Вторая составляющая трансформации — привлечение талантов извне, третья — использование данных во всех бизнес-процессах. Все решения должны приниматься на основании данных, а не экспертных мнений. Позиция человека должна подкрепляться объективными цифрами. Моя должность объединила три функции: BI-практику, развитие хранилища данных (data engineering) и применение продвинутой аналитики (data science) в бизнес-процессах. Функции data engineering и data science изначально входят в мою зону ответственности, эти функции мы выстраиваем с нуля. А аналитический центр раньше подчинялся директору по стратегии. Директор по стратегии решил поставленные задачи, должность упразднили и было принято решение функцию BI тоже отдать мне.

Вы пришли в компанию несколько месяцев назад. Какие задачи были поставлены перед вами?

По каждому из трех направлений передо мной поставлены вполне конкретные задачи. На аналитике по-прежнему лежит в первую очередь функция автоматизации отчетности. В data science главные направления, по которым мы начали работать, — это прогнозирование спроса для операционного блока и регулярное ценообразование для коммерческой дирекции. Что касается хранилища данных, то мы приступили к выбору СУБД, средств интеграции данных и уже вплотную планируем построение самого хранилища данных. Хочу отметить, что в отношении выбора инструментов для реализации проектов никаких «религиозных» предубеждений у нашей команды нет. Руководство компании мыслит категориями бизнес-кейсов и финансовых эффектов. Если мы понимаем, что у какого-то конкретного продукта стоимость владения существенно привлекательнее, чем у конкурентов, то наш выбор склоняется в сторону именно этого продукта. Еще одной ключевой составляющей для нас является скорость решения задачи. Например, мы вполне обоснованно выбрали коммерческую аналитическую платформу и отказались от стека решений open source. Важную роль при этом сыграл показатель time to market — время, которое потребуется, чтобы решенная задача начала приносить прибыль.

Как могло отсутствовать направление data science в электронной компании с такой историей?

Каждый блок решал свои задачи по отдельности, с помощью доступных инструментов и методов. Например, строили прогнозы спроса, решали задачи автозаказа, создавали модели прогнозирования оттока клиентов, занимались оптимизацией логистики. Однако есть множество задач, в которых применение продвинутой аналитики даст более существенный эффект, чем традиционные подходы. И эти задачи совершенно точно должны решаться централизованно.

Местные аналитические отделы будут упразднены? Как сейчас осуществляется взаимодействие с ними?

Я вижу два варианта. Первый — оставить решение аналитических задач в рамках «родных» бизнес-блоков. Если задачи решаются качественно и результаты устраивают бизнес, то незачем ломать работающую структуру. При этом было бы правильным при необходимости подключать «Офис данных». Например, когда местным аналитикам на каком-то этапе не хватает компетенций. Второй вариант — переход аналитиков в нашу команду, но здесь важно сделать это так, чтобы бизнес-функция не пострадала и ее задачи продолжали решаться. Далеко не каждому руководителю понравится такой подход, и единственный способ не допустить скандалов — поднять решение прежних задач на новый уровень.

С чего началась работа в новой должности?

Первое — согласование бюджетов с собственником. Согласовали и расширение штата — дополнительно 14 человек, и приобретение новых инструментов, и проведение работ. Сейчас начинается обсуждение, как именно эти средства потратить, а также сравнение ИТ-платформ для решения тех или иных задач. И конечно, естественным следствием расширения штата стал активный поиск персонала.

Что сейчас представляет собой часть ИТ-ландшафта, ориентированная на работу с данными? Какие платформы и решения применяются, каковы планы на будущее?

Разумеется, у нас есть множество источников данных: ERP, WMS, веб-сайт, система управления перевозками, BI-инструменты и аналитические решения SAS. Кроме того, есть инструменты, используемые бизнес-блоками. Мы проведем трансформацию хранилища данных и построим озеро данных. Планируем предоставить инструменты подготовки данных бизнес-пользователям, чтобы наиболее продвинутые могли не только смотреть отчеты, но и проверять собственные гипотезы, выстраивать модели данных. У нас есть пользователи, которые готовы так работать и ждут, когда возможность для этого у них появится.

Используются ли в компании большие данные, и если да, то в каких целях?

Да, большие данные у нас есть. В первую очередь это история покупок клиентов, история активности пользователей на сайте. Мы знаем, каким образом происходила каждая покупка и как клиент оказался на сайте. Все эти данные надо анализировать, чтобы оптимизировать маркетинг — например, оценивать и развивать каналы, по которым к нам приходят люди. Огромный блок данных связан с операциями на складах. Комплектовщики заказов перемещаются по складу с собственными терминалами, и их движение становится источником информации для оптимизации размещения товаров. Есть множество видеоданных, на основании которых принимаются решения о реструктуризации склада.

Насколько эффективно используются эти данные?

Довольно эффективно. Можно ли их использовать еще эффективнее? Безусловно, да.

Обычно выделяют внутренние эффекты от работы с данными (оптимизация, повышение эффективности и т. п.) и внешние (создание новых сервисов, ориентированных на извлечение прибыли). Какие из них приоритетнее сейчас, а какие могут быть значимыми в будущем?

В рамках каждой задачи производится оценка конкретного кейса. На данный момент для нас примерно равнозначны по приоритету оптимизация операций и решение задач коммерческой дирекции и маркетинга. В будущем мы считаем перспективным привлекать стартапы для анализа изображений и голоса, а также для анализа отзывов клиентов и даже просто постов в соцсетях.

У онлайн-гипермаркета гораздо более широкие возможности по работе с покупателями, чем у традиционного ретейлера. Вы видите своих клиентов в буквальном смысле насквозь. Что, с вашей точки зрения, могло бы быть реализовано лучше и как этого добиться?

Здесь может идти речь об углубленном анализе больших данных: активность клиента на сайте, история его запросов в поисковиках, анализ источников, по которым он перешел к нам. Но надо сказать, что у нас намного меньше клиентских данных, чем у банков. Гораздо больше знаний о клиенте нам пока дают все-таки его истории покупок.

Появления каких новых «умных» сервисов могут ждать ваши клиенты в обозримом будущем?

У нас много различных идей. Например, предоставление рецептов и услуг голосового помощника во время приготовления еды. Если сервис Утконоса предложил купить продукты, он вполне может помочь приготовить из них вкусное блюдо. Кроме того, могу назвать интеллектуальные сервисы, которые будут напоминать о покупке.

Как скоро появится возможность «залезть к клиенту в холодильник» — поставить там камеру и реализовать сервис автозакупок?

Технически это вполне можно реализовать уже сейчас. Но потребуются как минимум серьезные инфраструктурные вложения и доработка некоторых «юридических моментов».