Οι τεχνολογίες Big Data χρησιμοποιούνται πλέον παντού - στη βιομηχανία, την ιατρική, τις επιχειρήσεις και την ψυχαγωγία. Έτσι, χωρίς ανάλυση μεγάλων δεδομένων, οι μεγάλοι λιανοπωλητές δεν θα μπορούν να λειτουργούν κανονικά, οι πωλήσεις στο Amazon θα πέσουν και οι μετεωρολόγοι δεν θα μπορούν να προβλέψουν τον καιρό για πολλές ημέρες, εβδομάδες και μήνες εκ των προτέρων. Είναι λογικό ότι οι ειδικοί μεγάλων δεδομένων έχουν πλέον μεγάλη ζήτηση και η ζήτηση αυξάνεται συνεχώς.
Το GeekBrains εκπαιδεύει εκπροσώπους αυτού του τομέα, προσπαθώντας να παρέχει στους φοιτητές τόσο θεωρητική γνώση όσο και διδασκαλία με παραδείγματα, για τα οποία εμπλέκονται έμπειροι ειδικοί. Αυτή την χρονιά Οι αναλυτές Big Data από το διαδικτυακό πανεπιστήμιο GeekUniversity και το μεγαλύτερο κατάστημα λιανικής στη Ρωσική Ομοσπονδία, το X5 Retail Group, έγιναν συνεργάτες. Οι ειδικοί της εταιρείας, έχοντας εκτεταμένη γνώση και εμπειρία, βοήθησαν στη δημιουργία ενός επώνυμου μαθήματος, στο οποίο οι μαθητές λαμβάνουν τόσο θεωρητική εκπαίδευση όσο και πρακτική εμπειρία κατά τη διάρκεια της εκπαίδευσης.
Μιλήσαμε με τον Valery Babushkin, διευθυντή μοντελοποίησης και ανάλυσης δεδομένων στο X5 Retail Group. Είναι ένας από τους επιστήμονες δεδομένων στον κόσμο (30ος στην παγκόσμια κατάταξη των ειδικών μηχανικής μάθησης). Μαζί με άλλους δασκάλους, ο Valery λέει στους μαθητές του GeekBrains για το A/B testing, τα μαθηματικά στατιστικά στα οποία βασίζονται αυτές οι μέθοδοι, καθώς και σύγχρονες πρακτικές για υπολογισμούς και χαρακτηριστικά εφαρμογής του A/B testing σε offline retail.
Γιατί χρειαζόμαστε καθόλου τεστ A/B;
Αυτή είναι μια από τις καλύτερες μεθόδους για την εύρεση των καλύτερων τρόπων βελτίωσης των μετατροπών, της οικονομίας και των παραγόντων συμπεριφοράς. Υπάρχουν και άλλες μέθοδοι, αλλά είναι πιο ακριβές και πολύπλοκες. Τα κύρια πλεονεκτήματα των δοκιμών A/B είναι η σχετικά χαμηλή τιμή και η διαθεσιμότητά τους για επιχειρήσεις οποιουδήποτε μεγέθους.
Σχετικά με τα τεστ A/B, μπορούμε να πούμε ότι αυτός είναι ένας από τους πιο σημαντικούς τρόπους αναζήτησης και λήψης αποφάσεων στην επιχείρηση, αποφάσεις από τις οποίες εξαρτώνται τόσο το κέρδος όσο και η ανάπτυξη διαφόρων προϊόντων οποιασδήποτε εταιρείας. Οι δοκιμές καθιστούν δυνατή τη λήψη αποφάσεων που βασίζονται όχι μόνο σε θεωρίες και υποθέσεις, αλλά και σε πρακτικές γνώσεις για το πώς συγκεκριμένες αλλαγές τροποποιούν τις αλληλεπιδράσεις των πελατών με το δίκτυο.
Είναι σημαντικό να θυμάστε ότι στη λιανική πρέπει να δοκιμάσετε τα πάντα - καμπάνιες μάρκετινγκ, αποστολές SMS, δοκιμές των ίδιων των αποστολών, την τοποθέτηση προϊόντων στα ράφια και τα ίδια τα ράφια στους χώρους πωλήσεων. Αν μιλάμε για ηλεκτρονικό κατάστημα, τότε εδώ μπορείτε να δοκιμάσετε τη διάταξη των στοιχείων, το σχέδιο, τις επιγραφές και τα κείμενα.
Τα τεστ A/B είναι ένα εργαλείο που βοηθά μια εταιρεία, για παράδειγμα, έναν λιανοπωλητή, να είναι πάντα ανταγωνιστική, να αισθάνεται τις αλλαγές στο χρόνο και να αλλάζει η ίδια. Αυτό επιτρέπει στην επιχείρηση να είναι όσο το δυνατόν πιο αποτελεσματική, μεγιστοποιώντας τα κέρδη.
Ποιες είναι οι αποχρώσεις αυτών των μεθόδων;
Το κυριότερο είναι ότι πρέπει να υπάρχει ένας στόχος ή ένα πρόβλημα στο οποίο θα βασιστούν οι δοκιμές. Για παράδειγμα, το πρόβλημα είναι ένας μικρός αριθμός πελατών σε ένα κατάστημα λιανικής ή ένα ηλεκτρονικό κατάστημα. Στόχος είναι η αύξηση της εισροής πελατών. Υπόθεση: εάν οι κάρτες προϊόντων σε ένα ηλεκτρονικό κατάστημα είναι μεγαλύτερες και οι φωτογραφίες είναι πιο φωτεινές, τότε θα υπάρξουν περισσότερες αγορές. Στη συνέχεια, πραγματοποιείται δοκιμή A/B, το αποτέλεσμα της οποίας είναι η αξιολόγηση των αλλαγών. Αφού ληφθούν τα αποτελέσματα όλων των δοκιμών, μπορείτε να αρχίσετε να διαμορφώνετε ένα σχέδιο δράσης για την αλλαγή του ιστότοπου.
Δεν συνιστάται η διεξαγωγή δοκιμών με αλληλεπικαλυπτόμενες διαδικασίες, διαφορετικά τα αποτελέσματα θα είναι πιο δύσκολο να αξιολογηθούν. Συνιστάται πρώτα η διεξαγωγή δοκιμών για τους στόχους υψηλότερης προτεραιότητας και τις διατυπωμένες υποθέσεις.
Το τεστ πρέπει να διαρκεί αρκετά ώστε τα αποτελέσματα να θεωρούνται αξιόπιστα. Το πόσο ακριβώς εξαρτάται, φυσικά, από το ίδιο το τεστ. Έτσι, την παραμονή της Πρωτοχρονιάς αυξάνεται η επισκεψιμότητα των περισσότερων διαδικτυακών καταστημάτων. Εάν ο σχεδιασμός του ηλεκτρονικού καταστήματος άλλαξε πριν, τότε μια βραχυπρόθεσμη δοκιμή θα δείξει ότι όλα είναι καλά, οι αλλαγές είναι επιτυχείς και η επισκεψιμότητα αυξάνεται. Αλλά όχι, ό,τι και να κάνετε πριν τις γιορτές, η κίνηση θα αυξηθεί, το τεστ δεν μπορεί να ολοκληρωθεί πριν από την Πρωτοχρονιά ή αμέσως μετά από αυτήν, πρέπει να είναι αρκετό για να εντοπίσει όλους τους συσχετισμούς.
Η σημασία της σωστής σύνδεσης μεταξύ του στόχου και του δείκτη που μετράται. Για παράδειγμα, αλλάζοντας τη σχεδίαση του ίδιου ιστότοπου ηλεκτρονικού καταστήματος, η εταιρεία διαπιστώνει αύξηση στον αριθμό των επισκεπτών ή των πελατών και μένει ικανοποιημένη με αυτό. Αλλά στην πραγματικότητα, το μέσο μέγεθος επιταγών μπορεί να είναι μικρότερο από το συνηθισμένο, επομένως το συνολικό σας εισόδημα θα είναι ακόμη χαμηλότερο. Αυτό, φυσικά, δεν μπορεί να ονομαστεί θετικό αποτέλεσμα. Το πρόβλημα είναι ότι η εταιρεία δεν έλεγξε ταυτόχρονα τη σχέση μεταξύ της αύξησης των επισκεπτών, της αύξησης του αριθμού των αγορών και της δυναμικής του μεγέθους της μέσης επιταγής.
Η δοκιμή είναι μόνο για ηλεκτρονικά καταστήματα;
Καθόλου. Μια δημοφιλής μέθοδος στο offline λιανικό εμπόριο είναι η υλοποίηση ενός πλήρους αγωγού για τη δοκιμή υποθέσεων εκτός σύνδεσης. Πρόκειται για την κατασκευή μιας διαδικασίας κατά την οποία μειώνονται οι κίνδυνοι λανθασμένης επιλογής ομάδων για το πείραμα, επιλέγεται η βέλτιστη αναλογία του αριθμού των αποθηκών, του χρόνου πιλοτικού και του μεγέθους του εκτιμώμενου αποτελέσματος. Είναι επίσης η επαναχρησιμοποίηση και η συνεχής βελτίωση των μεθοδολογιών ανάλυσης μετα-επιπτώσεων. Η μέθοδος είναι απαραίτητη για τη μείωση της πιθανότητας εσφαλμένων σφαλμάτων αποδοχής και χαμένων επιπτώσεων, καθώς και για την αύξηση της ευαισθησίας, επειδή ακόμη και μια μικρή επίδραση στην κλίμακα μιας μεγάλης επιχείρησης έχει μεγάλη σημασία. Επομένως, πρέπει να είστε σε θέση να προσδιορίσετε ακόμη και τις πιο αδύναμες αλλαγές και να ελαχιστοποιήσετε τους κινδύνους, συμπεριλαμβανομένων των εσφαλμένων συμπερασμάτων σχετικά με τα αποτελέσματα του πειράματος.
Λιανικό εμπόριο, Big Data και πραγματικές υποθέσεις
Πέρυσι, οι ειδικοί του X5 Retail Group αξιολόγησαν τη δυναμική των όγκων πωλήσεων των πιο δημοφιλών προϊόντων μεταξύ των οπαδών του Παγκοσμίου Κυπέλλου 2018. Δεν υπήρχαν εκπλήξεις, αλλά τα στατιστικά εξακολουθούν να είναι ενδιαφέροντα.
Έτσι, το νερό αποδείχθηκε το «Νο 1 μπεστ σέλερ». Στις πόλεις που φιλοξένησαν το Παγκόσμιο Κύπελλο, οι πωλήσεις νερού αυξήθηκαν κατά 46% περίπου. Τις ημέρες των αγώνων, το μέγιστο ποσοστό καταγράφηκε στο Σαράνσκ - εδώ οι πωλήσεις αυξήθηκαν κατά 87% σε σύγκριση με τις κανονικές ημέρες.
Εκτός από νερό, οι θαυμαστές αγόραζαν μπύρα. Από τις 14 Ιουνίου έως τις 15 Ιουλίου, στις πόλεις που έγιναν οι αγώνες, ο τζίρος της μπύρας αυξήθηκε κατά μέσο όρο 31,8%. Το Σότσι έγινε επίσης ο ηγέτης - η μπύρα αγοράστηκε εδώ 64% πιο ενεργά. Αλλά στην Αγία Πετρούπολη η ανάπτυξη ήταν μικρή - μόνο 5,6%. Τις ημέρες των αγώνων στο Σαράνσκ, οι πωλήσεις μπύρας αυξήθηκαν κατά 128%.
Έρευνα έχει διεξαχθεί και σε άλλα προϊόντα. Τα δεδομένα που λαμβάνονται για τις ημέρες αιχμής κατανάλωσης τροφίμων μας επιτρέπουν να προβλέψουμε με μεγαλύτερη ακρίβεια τη ζήτηση στο μέλλον, λαμβάνοντας υπόψη παράγοντες συμβάντων. Μια ακριβής πρόβλεψη καθιστά δυνατή την πρόβλεψη των προσδοκιών των πελατών.
Κατά τη διάρκεια των δοκιμών, η X5 Retail Group χρησιμοποίησε δύο μεθόδους:
Μοντέλα δομικών χρονοσειρών Bayes με εκτίμηση αθροιστικής διαφοράς.
Ανάλυση παλινδρόμησης με εκτίμηση της μετατόπισης στην κατανομή σφαλμάτων πριν και κατά τη διάρκεια του πρωταθλήματος.
Τι άλλο χρησιμοποιεί το λιανικό εμπόριο από τα Big Data;
- Υπάρχουν πολλές μέθοδοι και τεχνολογίες, από ό,τι μπορούμε να ονομάσουμε απροσδόκητα, αυτές είναι:
- Πρόβλεψη ζήτησης;
- Βελτιστοποίηση του πίνακα κατάταξης.
- Υπολογιστική όραση για τον εντοπισμό κενών στα ράφια και την ανίχνευση σχηματισμού ουράς.
- Πρόβλεψη προσφοράς.
Έλλειψη ειδικών
Η ζήτηση για ειδικούς στα Big Data αυξάνεται συνεχώς. Έτσι, το 2018, ο αριθμός των κενών θέσεων που σχετίζονται με μεγάλα δεδομένα αυξήθηκε 7 φορές σε σύγκριση με το 2015. Το πρώτο εξάμηνο του 2019, η ζήτηση για ειδικούς ξεπέρασε το 65% της ζήτησης για ολόκληρο το 2018.
Οι μεγάλες εταιρείες χρειάζονται ιδιαίτερα τις υπηρεσίες αναλυτών Big Data. Για παράδειγμα, στον Όμιλο Mail.ru χρειάζονται σε οποιοδήποτε έργο όπου επεξεργάζονται δεδομένα κειμένου, περιεχόμενο πολυμέσων, πραγματοποιείται σύνθεση και ανάλυση ομιλίας (πρόκειται πρώτα απ 'όλα, για υπηρεσίες cloud, κοινωνικά δίκτυα, παιχνίδια κ.λπ.). Ο αριθμός των κενών θέσεων στην εταιρεία τριπλασιάστηκε τα τελευταία δύο χρόνια. Τους πρώτους οκτώ μήνες του τρέχοντος έτους, η Mail.ru προσέλαβε τον ίδιο αριθμό ειδικών Big Data όπως και ολόκληρο το προηγούμενο έτος. Στην Ozon, το τμήμα Επιστήμης Δεδομένων έχει τριπλασιαστεί τα τελευταία δύο χρόνια. Η κατάσταση είναι παρόμοια στο Megafon - η ομάδα που αναλύει δεδομένα έχει αυξηθεί πολλές φορές τα τελευταία 2,5 χρόνια.
Χωρίς αμφιβολία, στο μέλλον η ζήτηση για εκπροσώπους ειδικοτήτων που σχετίζονται με τα Big Data θα αυξηθεί ακόμη περισσότερο. Επομένως, εάν ενδιαφέρεστε για αυτόν τον τομέα, θα πρέπει να δοκιμάσετε τις δυνάμεις σας.
Πηγή: www.habr.com