Teknolojia za Data Kubwa sasa zinatumika kila mahali - katika tasnia, dawa, biashara na burudani. Kwa hivyo, bila kuchambua data kubwa, wauzaji wakubwa hawataweza kufanya kazi kwa kawaida, mauzo katika Amazon yataanguka, na wataalamu wa hali ya hewa hawataweza kutabiri hali ya hewa kwa siku nyingi, wiki na miezi mapema. Ni sawa kwamba wataalam wakubwa wa data sasa wanahitajika sana, na mahitaji yanakua kila wakati.
GeekBrains hufundisha wawakilishi wa uwanja huu, kujaribu kuwapa wanafunzi ujuzi wa kinadharia na mafundisho kwa mifano, ambayo wataalam wenye ujuzi wanahusika. Mwaka huu Wachambuzi wa Big Data kutoka chuo kikuu cha mtandaoni cha GeekUniversity na muuzaji mkubwa zaidi katika Shirikisho la Urusi, X5 Retail Group, wamekuwa washirika. Wataalamu wa kampuni hiyo, wakiwa na ujuzi na uzoefu wa kina, walisaidia kuunda kozi ya asili, ambayo wanafunzi hupokea mafunzo ya kinadharia na uzoefu wa vitendo wakati wa mafunzo.
Tulizungumza na Valery Babushkin, mkurugenzi wa modeli na uchambuzi wa data katika X5 Retail Group. Yeye ni mmoja wapo wanasayansi wa data duniani (ya 30 katika cheo cha kimataifa cha wataalamu wa kujifunza mashine). Pamoja na walimu wengine, Valery anawaambia wanafunzi wa GeekBrains kuhusu upimaji wa A/B, takwimu za hisabati ambazo mbinu hizi zimeegemezwa, pamoja na mbinu za kisasa za hesabu na vipengele vya kutekeleza majaribio ya A/B katika rejareja nje ya mtandao.
Kwa nini tunahitaji vipimo vya A/B hata kidogo?
Hii ni mojawapo ya mbinu bora za kutafuta njia bora za kuboresha ubadilishaji, mambo ya kiuchumi na kitabia. Kuna njia zingine, lakini ni ghali zaidi na ngumu. Faida kuu za majaribio ya A/B ni bei yake ya chini na upatikanaji kwa biashara za ukubwa wowote.
Kuhusu vipimo vya A/B, tunaweza kusema kwamba hii ni mojawapo ya njia muhimu zaidi za kutafuta na kufanya maamuzi katika biashara, maamuzi ambayo faida na maendeleo ya bidhaa mbalimbali za kampuni yoyote hutegemea. Majaribio hufanya iwezekane kufanya maamuzi kulingana na sio tu nadharia na nadharia, lakini pia juu ya maarifa ya vitendo ya jinsi mabadiliko mahususi yanavyorekebisha mwingiliano wa wateja na mtandao.
Ni muhimu kukumbuka kuwa katika rejareja unahitaji kupima kila kitu - kampeni za masoko, barua pepe za SMS, vipimo vya barua pepe wenyewe, uwekaji wa bidhaa kwenye rafu na rafu wenyewe katika maeneo ya mauzo. Ikiwa tunazungumzia kuhusu duka la mtandaoni, basi hapa unaweza kupima mpangilio wa vipengele, kubuni, usajili na maandiko.
Vipimo vya A/B ni zana inayosaidia kampuni, kwa mfano, muuzaji reja reja, kuwa na ushindani kila wakati, kuhisi mabadiliko ya wakati na kujibadilisha yenyewe. Hii inaruhusu biashara kuwa na ufanisi iwezekanavyo, na kuongeza faida.
Ni nuances gani za njia hizi?
Jambo kuu ni kwamba kuna lazima iwe na lengo au tatizo ambalo upimaji utategemea. Kwa mfano, tatizo ni idadi ndogo ya wateja katika duka la rejareja au duka la mtandaoni. Lengo ni kuongeza utitiri wa wateja. Hypothesis: ikiwa kadi za bidhaa kwenye duka la mtandaoni zinafanywa kubwa na picha ni mkali, basi kutakuwa na ununuzi zaidi. Ifuatayo, mtihani wa A / B unafanywa, matokeo yake ni tathmini ya mabadiliko. Baada ya matokeo ya vipimo vyote kupokelewa, unaweza kuanza kuunda mpango wa utekelezaji wa kubadilisha tovuti.
Haipendekezi kufanya vipimo na michakato ya kuingiliana, vinginevyo matokeo yatakuwa vigumu zaidi kutathmini. Inashauriwa kufanya majaribio juu ya malengo ya kipaumbele cha juu na hypotheses iliyoundwa kwanza.
Jaribio lazima lidumu kwa muda wa kutosha ili matokeo yachukuliwe kuwa ya kuaminika. Ni kiasi gani hasa inategemea, bila shaka, juu ya mtihani yenyewe. Kwa hiyo, usiku wa Mwaka Mpya, trafiki ya maduka mengi ya mtandaoni huongezeka. Ikiwa muundo wa duka la mtandaoni ulibadilishwa hapo awali, basi mtihani wa muda mfupi utaonyesha kuwa kila kitu ni sawa, mabadiliko yanafanikiwa, na trafiki inakua. Lakini hapana, bila kujali unachofanya kabla ya likizo, trafiki itaongezeka, mtihani hauwezi kukamilika kabla ya Mwaka Mpya au mara baada yake, ni lazima iwe na muda wa kutosha kutambua uwiano wote.
Umuhimu wa muunganisho sahihi kati ya lengo na kiashirio kinachopimwa. Kwa mfano, kwa kubadilisha muundo wa tovuti sawa ya duka la mtandaoni, kampuni inaona ongezeko la idadi ya wageni au wateja na inaridhika na hili. Lakini kwa kweli, saizi ya wastani ya hundi inaweza kuwa ndogo kuliko kawaida, kwa hivyo mapato yako ya jumla yatakuwa chini zaidi. Hii, bila shaka, haiwezi kuitwa matokeo mazuri. Tatizo ni kwamba kampuni haikuangalia wakati huo huo uhusiano kati ya ongezeko la wageni, ongezeko la idadi ya ununuzi, na mienendo ya ukubwa wa hundi ya wastani.
Je, majaribio ni kwa maduka ya mtandaoni pekee?
Hapana kabisa. Njia maarufu katika uuzaji wa rejareja nje ya mtandao ni utekelezaji wa bomba kamili la kujaribu dhahania nje ya mtandao. Huu ni ujenzi wa mchakato ambao hatari za uteuzi usio sahihi wa vikundi kwa ajili ya majaribio hupunguzwa, uwiano bora wa idadi ya maduka, muda wa majaribio na ukubwa wa athari inakadiriwa huchaguliwa. Pia ni utumiaji tena na uboreshaji unaoendelea wa mbinu za uchanganuzi wa athari baada ya athari. Njia hiyo inahitajika ili kupunguza uwezekano wa makosa ya kukubalika kwa uongo na madhara yaliyokosa, pamoja na kuongeza unyeti, kwa sababu hata athari ndogo juu ya kiwango cha biashara kubwa ni ya umuhimu mkubwa. Kwa hiyo, unahitaji kuwa na uwezo wa kutambua hata mabadiliko dhaifu na kupunguza hatari, ikiwa ni pamoja na hitimisho sahihi kuhusu matokeo ya majaribio.
Rejareja, Data Kubwa na kesi halisi
Mwaka jana, wataalam wa X5 Retail Group walitathmini mienendo ya kiasi cha mauzo ya bidhaa maarufu zaidi kati ya mashabiki wa Kombe la Dunia la 2018. Hakukuwa na mshangao, lakini takwimu bado ziligeuka kuwa za kuvutia.
Kwa hivyo, maji yakageuka kuwa "Nambari 1 ya kuuzwa zaidi." Katika miji iliyoandaa Kombe la Dunia, mauzo ya maji yaliongezeka kwa takriban 46%; kiongozi alikuwa Sochi, ambapo mauzo yaliongezeka kwa 87%. Siku za mechi, kiwango cha juu kilirekodiwa huko Saransk - hapa mauzo yaliongezeka kwa 160% ikilinganishwa na siku za kawaida.
Mbali na maji, mashabiki walinunua bia. Kuanzia Juni 14 hadi Julai 15, katika miji ambayo mechi zilifanyika, mauzo ya bia yaliongezeka kwa wastani wa 31,8%. Sochi pia alikua kiongozi - bia ilinunuliwa hapa 64% kwa bidii zaidi. Lakini huko St. Petersburg ukuaji ulikuwa mdogo - tu 5,6%. Siku za mechi huko Saransk, mauzo ya bia yaliongezeka kwa 128%.
Utafiti pia umefanywa juu ya bidhaa zingine. Data iliyopatikana katika siku za kilele cha matumizi ya chakula huturuhusu kutabiri kwa usahihi mahitaji katika siku zijazo, kwa kuzingatia vipengele vya matukio. Utabiri sahihi hufanya iwezekanavyo kutarajia matarajio ya wateja.
Wakati wa majaribio, Kikundi cha Rejareja cha X5 kilitumia njia mbili:
miundo ya mfululizo wa saa za Bayesian zilizo na makadirio ya tofauti limbikizi;
Uchambuzi wa urejeshaji na tathmini ya mabadiliko katika usambazaji wa makosa kabla na wakati wa michuano.
Je, ni nini kingine ambacho rejareja hutumia kutoka Data Kubwa?
- Kuna njia na teknolojia nyingi, kutoka kwa kile kinachoweza kutajwa kuwa mbali, hizi ni:
- Utabiri wa mahitaji;
- Uboreshaji wa matrix ya urval;
- Maono ya kompyuta kutambua voids kwenye rafu na kugundua foleni inayounda;
- Utabiri wa matangazo.
Ukosefu wa wataalamu
Mahitaji ya wataalam wa Data Kubwa yanaongezeka kila mara. Kwa hivyo, mnamo 2018, idadi ya nafasi zinazohusiana na data kubwa iliongezeka mara 7 ikilinganishwa na 2015. Katika nusu ya kwanza ya 2019, mahitaji ya wataalam yalizidi 65% ya mahitaji ya mwaka mzima wa 2018.
Makampuni makubwa yanahitaji hasa huduma za wachambuzi wa Data Kubwa. Kwa mfano, katika Mail.ru Group zinahitajika katika mradi wowote ambapo data ya maandishi, maudhui ya multimedia yanasindika, awali ya hotuba na uchambuzi unafanywa (hii ni, kwanza kabisa, huduma za wingu, mitandao ya kijamii, michezo, nk). Idadi ya nafasi za kazi katika kampuni imeongezeka mara tatu katika kipindi cha miaka miwili iliyopita. Katika miezi minane ya kwanza ya mwaka huu, Mail.ru iliajiri idadi sawa ya wataalam wa Big Data kama mwaka mzima uliopita. Huko Ozon, idara ya Sayansi ya Takwimu imekua mara tatu zaidi ya miaka miwili iliyopita. Hali ni sawa na Megafon - timu inayochanganua data imekua mara kadhaa katika kipindi cha miaka 2,5 iliyopita.
Bila shaka, katika siku zijazo mahitaji ya wawakilishi wa maalum kuhusiana na Big Data kukua hata zaidi. Kwa hivyo ikiwa una nia katika eneo hili, unapaswa kujaribu mkono wako.
Chanzo: mapenzi.com