Разделы

Бизнес Телеком Big Data

МТС: Большие данные дают шанс для реинкарнации телеком-отрасли

Директор департамента стратегического маркетинга МТС Леонид Ткаченко сравнивает существующую бизнес-модель телеком-компаний с телом пожилого человека, для будущей жизни нужна реинкарнация. Станет ли работа с данными новым телом для сотовых операторов, – рассуждает эксперт в интервью CNews.

«Ищем новое тело»

CNews: Какие проблемы сегодня переживает телеком-отрасль?

Леонид Ткаченко: Проблемы телеком-отрасли всем известны, о них говорят не первый год, и уже даже странно называть их проблемами. Это просто особенности нашего рынка, которые заставляют нас не стоять на месте, постоянно двигаться вперед. Особенность телеком-рынка в том, что стоимость наших услуг снижается каждый год. Вспомните, сколько стоило позвонить по мобильному телефону в 90-х или лет пять назад. При этом вокруг все только дорожает из-за инфляции: и одежда, и продукты, и транспортные услуги. И наши расходы в расчете на минуту также растут из-за инфляции. До поры до времени мы могли это компенсировать, привлекая новых абонентов. Потом появился новый продукт – родился интернет, а мы сделали его мобильным. Однако, жесточайшая конкуренция привела к тому, что цены на передачу данных улетели «в пол» еще быстрее, чем на голосовую связь.

Параллельно с этим происходит ускорение технологических циклов: стандарт 2G просуществовал в нашей стране порядка 15 лет, затем появился стандарт 3G, прошло всего 5 лет, и в нашу дверь постучался 4G. Сегодня, всего 3 года спустя, мы начали тестировать 5G. Тем самым, у нас все меньше и меньше времени, чтобы окупить вложения в очередную технологию и быть готовыми инвестировать в следующую. Мы напоминаем пловца, которому после каждого вздоха нужно все дольше и дольше проплыть под водой.

Телеком и его текущая бизнес-модель – это такой достаточно пожилой человек, долго в текущем теле не прожить, нужна реинкарнация. Мы смотрим на технологические тренды в мире, ищем новое «тело». Одно из перспективных направлений – большие данные.

CNews: Чем может помочь работа с большими данными?

Леонид Ткаченко: Применение больших данных не несет с собой мгновенных революционных изменений, доходы от продуктов, построенных на аналитике, в ближайшее время не перевесят доходы от традиционных сервисов. Мир движется в сторону цифровой экономики, и чтобы быть готовыми к возможной новой бизнес-модели, нам нужно научиться работать с данными как можно лучше и как можно скорее.

CNews: Каких результатов вам удалось уже добиться?

Леонид Ткаченко: Пока мы, в первую очередь, реализуем внутренние проекты и видим большую отдачу. Начиная с первого года, экономический эффект от проектов по большим данным превосходит инвестиции, что, согласитесь, встречается редко.

«Область неизвестного»

CNews: Расскажите, какие задачи вы решаете с помощью анализа данных?

Леонид Ткаченко: Приведу пример. У нас около шести тысяч салонов связи, раньше расписание работы сотрудников составлял начальник салона связи «на глазок». Чтобы всерьез, математически оптимизировать расписания сотрудников надо куда-то загрузить огромное количество транзакций наших абонентов, посещающих салоны: что они делали, зачем приходили и во сколько. Такую возможность дали технологии больших данных. Оказалось, что можно прогнозировать визиты наших клиентов в салоны связи по часам, достаточно точно подстраивать под это расписание работы наших сотрудников и безболезненно сократить при этом фонд рабочего времени на 15%. Более того, стало очевидно, что не все магазины должны каждый день работать по 12 часов. По выходным дням в некоторых точках можно спокойно начинать позже обычного и заканчивать раньше. Также мы научились высчитывать из динамики транзакций моменты пиковой нагрузки, моменты когда начинает образовываться очередь.

Сейчас мы этот подход постепенно «раскатываем». Раз в месяц мы будем загружать случившиеся транзакции, прогнозировать спрос на транзакции на следующий месяц и пересчитывать оптимальное расписание наших сотрудников. Это позволит сэкономить на фонде оплаты труда, улучшив качество работы с клиентами.

Другой пример. У наших абонентов регулярно возникает необходимость пообщаться с нами. Чтобы подключить новую услугу, узнать баланс и так далее. Для этого мы тратим немалые средства на наши колл-центры и салоны связи. С момента возникновения у абонента МТС желания что-то узнать у нас, уточнить и до удовлетворения этой потребности он проделывает целый путь. Надо идти в салон МТС, может быть, даже в очереди стоять, либо надо звонить в колл-центр, ждать, пока тебя соединят, объяснять, что ты хочешь. Плюс все, что связано с контактами с живыми людьми, не всегда идет гладко для клиента.

Мы хотим построить модель (и ее пилотные версии показывают, что она работоспособна), которая предсказывает такие события. Предсказывает, например, желание узнать баланс. Если мы сумели предсказать это, мы направляем SMS или всплывающее сообщение: баланс такой-то. В результате и вы время сэкономили, и мы оптимизировали расходы.

CNews: Как вы находите такие идеи?

Леонид Ткаченко: Когда мы запустили проект по большим данным и собрали команду, у нас было порядка 15 кейсов, которые мы хотели реализовать в первую очередь. Приступив к проверке кейсов, мы поняли, что вторгаемся в область неизвестного, и заранее просчитать, будет ли проект успешен, просто невозможно. Поэтому мы выработали специфический подход к поиску продуктов и их проверке.

Представьте, что вы в абсолютно темной комнате, и надо понять, что в ней находится. Теоретизировать практически бесполезно, надо быстро, но осторожно ощупывать все вокруг.
Любую идею, имеющую шансы на успех, мы стараемся упростить до быстрого и недорогого эксперимента. Верим, что правильный путь – это путь «на ощупь», путь максимального количества эмпирических экспериментов.

CNews: Как развивается анализ данных в МТС?

Леонид Ткаченко: Раньше по одному абоненту у нас собиралось около ста разных метрик. За полтора года количество метрик выросло до 426, глубина хранения увеличилась с года до двух. Мы применяем большинство известных методов математического моделирования – от регрессионного анализа и look alike моделей до методов машинного обучения и deep learning.

CNews: Как за толстым слоем количественных данных не упустить важную для бизнеса качественную информацию, так называемые «инсайты»?

Леонид Ткаченко: У нас каждая проектная группа, работающая с кейсом, плотно общается с бизнес-заказчиками, все вместе всё обсуждают, никто не варится в собственном соку. Нет вертикали, когда аналитики сидят где-то далеко в отдельном от всех своем мире. Поэтому количественные данные сразу накладываются на опыт общения с клиентами, который есть в различных подразделениях МТС.

Наши исследования показывают, что удовлетворенность человека – не только связью, чем угодно – зиждется на трех китах: объективном факте (что он имеет), его субъективном восприятии этого и соответствии предшествующим ожиданиям. Не достаточно просто замерять технические характеристики сети и стараться улучшить их везде и всюду, нужно понимать, как воспринимаются людьми эти технические характеристики. А также понимать ожидания людей. Представьте, что завтра будет хорошая безоблачная погода, +15. А вы рассчитывали, что будет +25 и можно будет загорать. Вы будете разочарованы.

У нас на рассмотрении идея записывать все транзакции клиента с метриками качества и потом проводить опросы. Так мы сможем построить модели, позволяющие связать факты и их субъективную оценку. Скажем, есть какая-то локальная проблема в сети, но одну группу людей она беспокоит, а другую – нет. Получается, когда ты смотришь только на слой объективной информации, – ты многого не видишь и многое оцениваешь некорректно.

CNews: С применением каких технологий вы решаете подобные задачи?

Леонид Ткаченко: Мы построили систему на базе решений крупнейших мировых вендоров. Для каждого этапа сбора, хранения, анализа данных используется свой комплекс решений, наиболее точно удовлетворяющий нашим требованиям. В частности, платформа Teradata позволяет нам практически мгновенно анализировать детальные данные о миллионах наших абонентов. С технологической точки зрения проект, конечно, уникальный и по масштабу, и по архитектуре.

«Рынок аналитики телеком-операторов в России пока только формируется»

CNews: В чем особенности работы с большими данными в России?

Леонид Ткаченко: Технологии, которые мы используем, – те же, что и во всем мире. Различия кроются, например, в законодательном регулировании, оно у нас особенное, не лучше, не хуже, чем в других странах, просто другое. Наиболее жесткое регулирование – в Европе, самое либеральное – в США, у нас что-то среднее. При этом в США просто на культурном уровне у людей больше доверия к частным компаниям, и они гораздо спокойнее относятся к использованию своих данных коммерческими компаниями. В России люди бережнее относятся к своим персональным данным. Нужно приложить немало усилий, чтобы обосновать, объяснить, какие преимущества принесет человеку работа компании с информацией о нем.

Вторая важная особенность, о которой я уже говорил, – в России пока не сформирован внешний рынок для аналитических продуктов телеком-операторов, построенных на технологиях больших данных. Мы этот рынок формируем, учим, объясняем, какую ценность может принести анализ больших данных.

CNews: А как же банки?

Леонид Ткаченко: С банками есть несколько продуктов для скоринга. Например, готово решение, позволяющее оценивать кредитные риски заемщика на основе анализа данных о его отношениях с МТС. Учитывается частота смены номера, количество блокировок, регулярность пополнения баланса и другие подобные факторы. Также мы планируем предложить банкам сервис по мониторингу подозрительных активностей на SIM-карте абонента, к номеру которого привязаны банковские карты. Конечно, это все возможно только при условии получения согласия от клиента. Предвосхищая вопрос о том, зачем ему это согласие давать, отвечу – чтобы получать более выгодные предложения, например, увеличивать кредитный лимит за счет информации о благонадежности человека, как абонента МТС.

Но это, на самом деле, довольно примитивный уровень анализа данных. Есть масса более интересных продуктов, например, связанных с агрегированной информацией о передвижениях людей. Это может быть интересно бизнесу, у которого есть офлайн-инфраструктура – магазины, салоны и так далее. Им информация, как перемещаются люди, крайне интересна. Например, мы делали такие геоаналитические продукты для одной из крупных сетевых медицинских клиник. Они смотрели, где располагаются их клиники относительно места работы и проживания пациентов. И в результате они обнаружили две клиники, расположенные очень неудачно, и приняли решение их перенести.

Первый геоаналитический проект такого рода мы реализовали с Правительством Москвы. Агрегированную информацию мы передаем в столичный Департамент информационных технологий. Они точно такую же информацию покупают у других операторов, накладывают на транспортную инфраструктуру города и решают, как ее дальше развивать: какие станции метро открыть, как оптимизировать маршруты наземного транспорта, где дороги построить и так далее.

Надо понимать, что мы можем дать только агрегированные данные. К нам приходил один банк с просьбой дать информацию о фактическом месте проживания тех, кто не платит кредиты. Разумеется, такую информацию мы передать не можем. Но на самом деле агрегированные данные открывают очень широкие возможности перед бизнесом. Скоро все поймут это, мы уже видим интерес к теме.

«Интернет вещей – перспективная тема»

CNews: Что-то еще может помочь телекому, кроме больших данных?

Леонид Ткаченко: Интернет вещей – перспективная тема. У нас уже порядка 50% этого рынка, и мы собираемся это направление развивать. Сейчас МТС нацелена на то, чтобы продавать не просто передачу данных между подключенными устройствами, но и продавать сами устройства вместе с анализом данных, которые передаются по этим каналам – весь продукт целиком. Не так, что кто-то делает продукты интернета вещей – умный дом, возможность следить за кошкой, – а мы только вставляем свою сим-карту. Нет, мы ищем темы, которые могут выстрелить, и собираем полный продукт для конечного потребителя.

CNews: Что может стать драйвером интернета вещей в России?

Леонид Ткаченко: Вариантов очень много, практически в каждой отрасли есть возможность применения интернета вещей. Если пофантазировать, то, например, когда-нибудь может быть принят закон, чтобы все частные лица оборудовали свои машины устройствами с сим-картой для передачи информации о движении транспортного средства – и всё, ГИБДД вообще не нужна. Превысил скорость – ты не можешь быть не пойман. Полный контроль над соблюдением правил дорожного движения. Это снизит коррупцию, повысит безопасность движения, это дешево.

Самые главные современные технологические тенденции – искусственный интеллект и роботизация – приведут к появлению все большего количества «умных» объектов вокруг нас. Беспилотный транспорт, роботы везде, где только возможно. Мир безвозвратно поменяется, интернет вещей и работа с большими массивами информации будут ему исключительно необходимы.

Александра Кирьянова