Podminky cookies

Big Data pomáhají předvídat trendy

Big Data pomáhají předvídat trendy

Big Data pomáhají předvídat trendy

Prostřednictvím analýzy obrovského množství dat můžete odhalit zcela netušené souvislosti a možná i trochu nahlédnout do budoucnosti. Analýza velkých dat má ale i své stinné stránky.

Analýzu obrovských objemů dat (Big Data) můžeme využít v dlouhé řadě různých oborů – od předpovědi počasí přes předvídání trendů na trhu až po vytvoření nabídky vysoce personalizovaných produktů a služeb pro konkrétní zákazníky. Často se z matematických modelů vynoří i souvislosti, které popírají zažité vnímání světa.

Big Data, tedy obrovské objemy elektronických dat, jsou v současnosti důležitější než kdykoli dříve, především kvůli raketovým změnám na trhu, způsobených pandemií koronaviru. Do online prostředí se letos, byť částečně z donucení okolnostmi, přesunul rekordní počet uživatelů a zpět se jim už asi příliš chtít nebude, takže význam porozumění velkým datům bude trvale růst. A typicky obchodování na internetu je jedním z nejvhodnějších příkladů efektivního nasazení analýzy velkých dat.

Raketový růst objednávek v e-shopech znamená i nárůst objemu dat, použitelných pro další zpracování a analýzy. Právě internetoví obchodníci totiž mají přístup k velmi detailním informacím o svých zákaznících, které jim mohou pomoci s další optimalizací nabídky produktů a služeb nebo vyšší efektivitou marketingových kampaní. Na základě analýzy velkých dat lze zvyšovat i úroveň personalizace vztahu se zákazníky, kterým bude obchodník schopen nabízet produkty a služby na míru jejich potřebám a přáním.

Chcete předvídat budoucnost?

Zdrojem takových dat jsou opakované nákupy zákazníků a analýza jejich chování na stránkách e-shopu. Na základě detailního profilu zákazníka je pak možné s vysokou přesností odhadovat, o jaké produkty by mohl mít zájem a vhodnými způsoby jej stimulovat k jejich nákupu. Do analytického modelu lze zapojit i externí data, typicky ze sociálních sítí a dalších zdrojů, díky tomu ještě lépe odhalit zákazníkova přání a reagovat na ně.

Analýza velkých dat, získaných z vývoje objednávek, marketingových kampaní, rychlosti vyskladnění zboží a dalších zdrojů může firmám pomoci i s plánováním a optimalizací samotného obchodování a podporovat rozhodování managementu. Do datového modelu lze totiž vložit i externí data, reprezentující například sezónní výkyvy v poptávce po určitém druhu zboží, výkonnost ekonomiky, úroveň nezaměstnanosti v různých regionech a třeba i analýzu cen konkurence. Komplexní datový model pak pomůže s plánováním obchodní strategie, marketingových kampaní nebo naskladnění určitého druhu zboží.

 
Analýza velkých dat je výpočetně extrémně náročná. Proto je vhodné za tímto účelem využívat vysoce škálovatelné služby cloud computingu, čerpané formou pronájmu kapacity, namísto investování do budování vlastního datového centra.

 

Obrovským příval dat proudí i ze zařízení tzv. internetu věcí. Zdrojem těchto dat je nespočetné množství zařízení, čidel, měřičů a senzorů, generujících data z výrobních procesů, dopravy, distribuce energií a dalších činností. Zpracování těchto dat v reálném čase je nezbytné například pro technologie autonomního řízení a obecně pokročilou automatizaci ve výrobních odvětvích. Samostatným oborem je analýza velkých dat ve finančních službách, kde se bez ní neobejde třeba schvalování půjček nebo výpočet pojistného.

Telefony prozradí návyky lidí

Nekonečná množství dat generují rovněž mobilní telefony, které se přihlašují k základnovým stanicím operátorů mobilních sítí. Se základnovými stanicemi si telefony vyměňují tzv. signalizační data, na základě kterých lze s vysokou přesností určit aktuální polohu telefonu – tedy spíše jeho majitele. Když zvážíme, že mobilní telefon má prakticky každý dospělý obyvatel České republiky, je jasné, že analýzou obrovského množství dat vznikajících přihlašováním k základnovým stanicím mohou operátoři velmi přesně vyhodnocovat aktuální rozložení a pohyb lidí po území celé republiky.

Není ale na místě obávat se špehování všech lidí s mobilem v kapse. Získávaná data se anonymizují a zařazují do větších celků – nezpracovávají se tedy na úrovni jednotlivých lidí, ale v rámci větších skupin obyvatelstva. Výsledkem je model pohybu lidí v čase, ze kterého můžeme vyčíst například návyky při cestách do zaměstnání, nákupní chování nebo třeba návštěvnost rekreačních oblastí.

Analýzy tohoto typu mohou být užitečné například při plánování rozvoje dopravy nebo třeba výstavbě nových sídlišť či nákupních center. Není bez zajímavosti, že právě na základě dat z pohybu mobilních telefonů se posuzují i změny v mobilitě obyvatel v závislosti na aktuálních omezujících opatřeních proti šíření koronaviru.

Obrovské možnost využití mají získaná data v oblasti digitalizace maloobchodu. Díky analýze dat je možné poznat lokality, ve kterých obchodník podniká, stejně jako chování a návyky zákazníků. Zpracování velkých dat pomůže zjistit, kde a kdy se zákazníci pohybují a nabídnout jim přesně to, co chtějí. Ať už je to pobočka obchodu na dobře zvoleném místě, optimální otevírací doba, nebo reklama, která přesně trefuje cíl. Základem pro takovou analýzu jsou tzv. geodata, tedy informace o pohybu lidí získávaná z mobilní sítě O2, která pokrývá celé Česko. Celkem se jedná o 52 tisíc přístupových bodů a data ze sítě O2 reprezentují až 40 % obyvatel. Výsledky je proto možné snadno a s velkou přesností přepočíst na celkovou populaci.

Služba O2 Geodata poskytne základní souhrn statistik a demografických informací o návštěvnosti ve sledované lokalitě v měřeném období, stejně jako ucelený přehled základních zjištění. K podrobnější analýze pak slouží interaktivní webový nástroj, ve kterém lze zobrazit detaily vybraných statistik v interaktivních grafech, tabulkách a mapách.

Při zpracování geodat je extrémně důležitá bezpečnost dat. Proto je O2 zpracovává výhradně ve svých interních systémech. Klíčový je také soulad s legislativou a GDPR na ochranu osobních údajů, takže se ještě před zpracováním dat smažou jakékoliv osobní identifikátory, data jsou anonymizována a agregována a teprve z těchto agregátů se vytváří analýzy.

Nezaměňujte příčinu s následkem

Jakkoli může analýza velkých dat odpovědět i na otázky, které nás možná nenapadlo ani položit, je při interpretaci výsledků matematických modelů nutné postupovat obezřetně – abychom nezaměnili příčinu s následkem. Big Data totiž nejsou všemocná, takže i když zvládnou naprosto přesně popsat nějaký jev či stav, často nám nepomohou dopátrat se jeho příčiny. Příkladem může být analýza dat, provedená jedním americkým prodejcem ojetých aut, který zjistil, že nejméně poruchové vozy z druhé ruky mají oranžovou barvu.

Co je ale příčinou, že právě taková auta budou svým novým majitelům nejlépe sloužit? Abychom to zjistili, museli bychom model analýzy rozšířit o další parametry: Mají pro oranžovou barvu slabost zkušenější řidiči? Užívají si oranžová auta větší pozornosti montážních dělníků v automobilce nebo techniků v servisu? Jak ale takové parametry změřit? Když se ale na výsledek analýzy podíváme z druhé strany, a zaměníme příčinu a následek, rychle se dostaneme do slepé uličky – automobilka jistě nezvýší spolehlivost produkovaných vozů, když je bude všechny lakovat na oranžovo.

 
Analýza velkých dat může mít i nebezpečné důsledky. Jejího zneužití se obává například i společnost IBM, která zastavila vývoj své technologie na rozpoznávání tváří. Také Microsoft nedávno smazal svoji obří databázi obličejů na trénink technologie strojového učení.

 

Analýza velkých dat tedy není digitální křišťálovou koulí pro předpovídání budoucnosti. Pokusy o využívání datové analytiky pro předpovědi lidského chování nejčastěji hraničí s diskriminací kvůli odhadování chování, kterého se daný člověk nikdy nemusí dopustit.

Co když třeba banka při vyhodnocování kredibility žadatele o úvěr a zahrne do modelu jeho profil a kontakty v sociálních sítích – a najde mezi nimi zadlužené lidi s exekucemi, videa z extrémních sportů nebo fotky z bujarých večírků? Znamená to snad, že jinak bezúhonný člověk představuje větší riziko, že úvěr nesplatí? A můžeme jít ještě dál: Modely na „předvídání kriminality“, které testuje policie ve Spojených státech, diskriminují lidi jiné barvy pleti. Před těmito algoritmy letos v létě varovalo v otevřeném dopise 1 700 vědců, kteří tvrdí, že není možné vyvinout systém tohoto typu, který by nebyl rasově zaujatý. Podobných příkladů bychom našli ještě celou řadu.

I pro Big Data tedy nepochybně platí, že data mohou být dobrým sluhou, ale zlým pánem. Kvalitně navržený algoritmus může poskytovat cenné výstupy, které budou základem pro plánování a rozhodování, ale nelze k nim přistupovat jako k oknu do budoucnosti.

Přečtěte si o dalších způsobech využití velkých dat v nabídce O2.

 
Telekomunikační a IT služby O2 pro digitalizací firmy:

 

 
Služby O2 v oblasti velkých dat:

    • Základní analytické nástroje jsou součástí služby Microsoft 365.
    • Geodata – informace o pohybu lidí mohou pomoci plánovat lokální projekty.
    • Samoobslužné kampaně založené na pohybu zákazníků v definované oblasti.
    • Cloudové služby O2 poskytnou úložnou a výpočetní kapacitu pro analýzy velkých dat.
    • Zdrojem dat pro analýzu mohou být i zařízení internetu věcí (IoT), provozovaná v mobilní síti.

 

Kontaktujte nás a nezávazně se informujte o možnostech, které vám big data a geo datat nebo další ICT řešení pro firmy od O2 nabízejí.

S digitalizací vám poradíme
Tereza Slezákova Autor článku
Tereza Slezákova
Tereza v O2 pracuje na pozici online marketingový specialista pro B2B zákazníky. Zabývá se marketingem produktů pro živnostníky, a především pro střední a velké firmy a korporace, což zahrnuje především ICT produkty a produkty rozvíjející digitalizaci firem. V marketingu se Tereza pohybuje zhruba 10 let.
Související článek Víte, jak se chovají lidé ve vašich prodejnách? Data odhalí slabá místa, ale i nezájem personálu
Nahoru