Углубленный анализ данных в продажах мобильного контента

Рыжов А.П.,
д.т.н., профессор,
заведующий кафедрой «Системы управления бизнес-процессами»
Школы IT-Менеджмента РАНХиГС при Президенте РФ.

Бессалов А.С.,
аспирант ИТМиВТ РАН 

Мобильность является одним из основных трендов современной экономики. Мобильные телефоны и планшетные компьютеры становится терминалами доступа к огромному числу сервисов, услуг, информационных ресурсов. McKinsey Global Institute в известном исследовании [1] оценивает рынок, связанный только с использованием персональных геолокационных данных, в более чем 100 миллиардов долларов для провайдеров сервисов и услуг, и до 700 миллиардов долларов для конечных пользователей.

Телекоммуникационный бизнес является одной из наиболее динамично развивающихся областей современной экономики. Не секрет, что по объемам и степени детализации сведений о клиентах телекоммуникационные компании уступают лишь банкам и страховым компаниям. Поэтому телекоммуникационные компании являются одними из лидеров в применении различных средств анализа больших объёмов данных.

В докладе рассматриваются и анализируются сервисы телекоммуникационных компаний. Делается вывод, что телекоммуникационный бизнес перешел от монопродуктовой модели (когда продуктом было только время) к многопродуктовой. Это создает предпосылки для применения широкого набора моделей и методов анализа данных, зарекомендовавших себя в ритейле и банковском деле, в телекоммуникационных компаниях. Одним из таких методов является углубленный анализ данных (data mining) [2].

В докладе проводится обзор методов углубленного анализа данных и их приложений. Отдельно рассматривается алгоритм выявления ассоциативных зависимостей в данных Apriori. Этот алгоритм служит основой для построения профиля клиента, который, в свою очередь, оставляет базу для разработки сервиса рекомендаций при покупке мобильного контента. В докладе анализируются транзакции, возникающие при покупке контента, приводится архитектура системы для сервиса рекомендаций. Укрупненный бизнес-процесс рекомендаций представлен на рис. 1.

Рис. 1. Укрупненный бизнес-процесс сервиса рекомендаций.

В докладе обсуждается реализация предложенного сервиса на базе платформы Deductor от BaseGroup Labs [3]. Приводятся сценарии  обработки данных, учитывающие особенности телекоммуникационных транзакций.

Приводятся результаты использования предложенного сервиса в бизнесе телекоммуникационной компании: рост продаж, рост отклика (response rate). Обсуждаются перспективы распространения предложенного подхода на другие продукты и сервисы.

Литература.
1. Big data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute, 2011, (http://www.mckinsey.com/Insights/MGI/Research/Technology_and_Innovation/...)
2. Барсегян А. А., Куприянов М. С., Степаненко В. В., Холод И.И. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. Второе издание. СПб. БХВ-Петербург, 2007, 375 стр.
3. BaseGroupLabs: http://www.basegroup.ru