О пользе big data для бизнеса говорят часто и много. Но так ли это на самом деле? Руководители и менеджеры российских компаний поделились своим опытом использования больших данных на конференции Big Data, Meet Big Brother! (ее организовал венчурный фонд Sistema_VC). Inc. записал самое важное.

Игорь Волжанин, СЕО компании DataSine (модератор): Почему data science и big data стали популярны именно сейчас? Где большие данные реально принесли пользу, а где оказались просто хайпом? Есть ли этическая грань в использовании big data и нужна ли она вообще? И что будет с данными в ближайшем будущем? Вот круг вопросов, о которых мы сегодня с вами поговорим.

Роман Нестер, основатель и СЕО, Segmento: Мне кажется, реальное применение больших данных в бизнесе случилось благодаря скучным вещам: оптоволоконным кабелям и быстрому интернету. Это позволило системам очень быстро обмениваться информацией, обрабатывать ее и применять. Вторая причина — накопилось огромное количество данных в самых разных вариантах (взять хотя бы записи пациентов в медицинских клиниках).

Леонид Ткаченко, директор департамента big data, МТС: Мы 3 года занимаемся big data. За это время были протестированы более 100 разных идей, и только малая часть из них оказалась успешной. Если кто-то в компании уже пробовал решить задачу методами не big data, а обычным BI, SQL-запросами или в Excel, — с большой вероятностью и мы не окажемся лучше. Например, МТС всегда пыталась построить модель оттока клиентов, и была в этом очень успешна. Мы попробовали сделать лучше — и ничего особенного не вышло. Другой пример: до нас сотрудники МТС тщетно пытались сделать модель, которая предскажет переход клиента на более дешевый тарифный план (и позволит компании удержать его от этого шага). Мы тоже попробовали решить эту задачу, но не получилось. Поэтому искать чудо в технологиях big data не надо. Да, это дает больше сил, но сделать что-то революционно новое пока сложно.

Евгений Исупов, директор по монетизации данных, Тинькофф Банк: Когда мы говорим о big data, нужно различать 2 разных направления. Первое – когда мы добавляем какие-то новые данные, которых раньше не имели. Второе – это математика. Все приросты сейчас мы получаем за счет новых данных либо фич-инжиниринга, но не математики как таковой, — она уже собирает конечную модель.

Читать далее…