Công nghệ Dữ liệu lớn hiện được sử dụng ở mọi nơi - trong công nghiệp, y học, kinh doanh và giải trí. Như vậy, nếu không phân tích dữ liệu lớn, các nhà bán lẻ lớn sẽ không thể hoạt động bình thường, doanh số bán hàng tại Amazon sẽ giảm và các nhà khí tượng học sẽ không thể dự đoán trước thời tiết trong nhiều ngày, tuần, tháng. Điều hợp lý là các chuyên gia dữ liệu lớn hiện đang có nhu cầu rất lớn và nhu cầu không ngừng tăng lên.
GeekBrains đào tạo các đại diện của lĩnh vực này, cố gắng cung cấp cho sinh viên kiến thức lý thuyết và giảng dạy bằng các ví dụ có sự tham gia của các chuyên gia giàu kinh nghiệm. Năm nay Các nhà phân tích Dữ liệu lớn từ trường đại học trực tuyến GeekUniversity và nhà bán lẻ lớn nhất Liên bang Nga, Tập đoàn bán lẻ X5, đã trở thành đối tác. Các chuyên gia của công ty, với kiến thức và kinh nghiệm sâu rộng, đã giúp tạo ra một khóa học có thương hiệu, trong đó sinh viên được đào tạo cả lý thuyết và kinh nghiệm thực tế trong suốt quá trình đào tạo.
Chúng tôi đã nói chuyện với Valery Babushkin, giám đốc mô hình hóa và phân tích dữ liệu tại Tập đoàn bán lẻ X5. Anh ấy là một trong những các nhà khoa học dữ liệu trên thế giới (đứng thứ 30 trong bảng xếp hạng toàn cầu về các chuyên gia học máy). Cùng với các giáo viên khác, Valery nói với sinh viên GeekBrains về thử nghiệm A/B, số liệu thống kê toán học làm cơ sở cho các phương pháp này cũng như các phương pháp tính toán hiện đại và các tính năng của việc triển khai thử nghiệm A/B trong bán lẻ ngoại tuyến.
Tại sao chúng ta cần thử nghiệm A/B?
Đây là một trong những phương pháp tốt nhất để tìm ra cách tốt nhất để cải thiện chuyển đổi, các yếu tố kinh tế và hành vi. Có nhiều phương pháp khác, nhưng chúng đắt tiền và phức tạp hơn. Ưu điểm chính của thử nghiệm A/B là mức giá tương đối thấp và tính sẵn có cho các doanh nghiệp thuộc mọi quy mô.
Về thử nghiệm A/B, chúng ta có thể nói rằng đây là một trong những cách quan trọng nhất để tìm kiếm và đưa ra quyết định trong kinh doanh, những quyết định phụ thuộc vào cả lợi nhuận và sự phát triển các sản phẩm khác nhau của bất kỳ công ty nào. Các thử nghiệm giúp đưa ra quyết định không chỉ dựa trên lý thuyết và giả thuyết mà còn dựa trên kiến thức thực tế về cách những thay đổi cụ thể làm thay đổi tương tác của khách hàng với mạng.
Điều quan trọng cần nhớ là trong lĩnh vực bán lẻ, bạn cần phải kiểm tra mọi thứ - chiến dịch tiếp thị, gửi thư qua SMS, kiểm tra chính các thư gửi, việc sắp xếp sản phẩm trên kệ và chính các kệ trong khu vực bán hàng. Nếu chúng ta nói về một cửa hàng trực tuyến, thì ở đây bạn có thể kiểm tra cách sắp xếp các yếu tố, thiết kế, dòng chữ và văn bản.
Thử nghiệm A/B là một công cụ giúp một công ty, chẳng hạn như một nhà bán lẻ, luôn có khả năng cạnh tranh, nhận biết được những thay đổi về thời gian và tự thay đổi. Điều này cho phép doanh nghiệp hoạt động hiệu quả nhất có thể, tối đa hóa lợi nhuận.
Các sắc thái của những phương pháp này là gì?
Điều chính là phải có một mục tiêu hoặc vấn đề để làm cơ sở cho việc kiểm tra. Ví dụ: vấn đề là một số lượng nhỏ khách hàng tại một cửa hàng bán lẻ hoặc cửa hàng trực tuyến. Mục đích là tăng lượng khách hàng. Giả thuyết: nếu thẻ sản phẩm trong cửa hàng trực tuyến được làm lớn hơn và ảnh sáng hơn thì sẽ có nhiều lượt mua hàng hơn. Tiếp theo, thử nghiệm A/B được thực hiện, kết quả của thử nghiệm này là đánh giá các thay đổi. Sau khi nhận được kết quả của tất cả các bài kiểm tra, bạn có thể bắt đầu xây dựng kế hoạch hành động để thay đổi địa điểm.
Không nên tiến hành thử nghiệm với các quy trình chồng chéo, nếu không kết quả sẽ khó đánh giá hơn. Nên thực hiện thử nghiệm các mục tiêu có mức độ ưu tiên cao nhất và đưa ra các giả thuyết trước.
Bài kiểm tra phải kéo dài đủ lâu để kết quả được coi là đáng tin cậy. Tất nhiên, chính xác bao nhiêu phụ thuộc vào bản thân bài kiểm tra. Vì vậy, vào đêm giao thừa, lượng truy cập của hầu hết các cửa hàng trực tuyến đều tăng lên. Nếu thiết kế của cửa hàng trực tuyến đã được thay đổi trước đó, thì thử nghiệm ngắn hạn sẽ cho thấy mọi thứ đều ổn, các thay đổi đã thành công và lưu lượng truy cập ngày càng tăng. Nhưng không, dù bạn có làm gì trước kỳ nghỉ lễ thì lưu lượng truy cập sẽ tăng lên, bài kiểm tra không thể hoàn thành trước Tết hoặc ngay sau đó, phải đủ lâu để xác định hết các mối tương quan.
Tầm quan trọng của mối liên hệ chính xác giữa mục tiêu và chỉ số được đo lường. Ví dụ: bằng cách thay đổi thiết kế của cùng một trang web cửa hàng trực tuyến, công ty nhận thấy số lượng khách truy cập hoặc khách hàng đã tăng lên và hài lòng với điều này. Nhưng trên thực tế, kích thước séc trung bình có thể nhỏ hơn bình thường, do đó tổng thu nhập của bạn sẽ còn thấp hơn. Tất nhiên, điều này không thể được gọi là một kết quả tích cực. Vấn đề là công ty đã không đồng thời kiểm tra mối quan hệ giữa sự gia tăng lượng khách truy cập, sự gia tăng số lượng mua hàng và động lực của quy mô kiểm tra trung bình.
Thử nghiệm chỉ dành cho các cửa hàng trực tuyến?
Không có gì. Một phương pháp phổ biến trong bán lẻ ngoại tuyến là triển khai một quy trình hoàn chỉnh để thử nghiệm các giả thuyết ngoại tuyến. Đây là việc xây dựng một quy trình trong đó giảm thiểu rủi ro khi chọn sai nhóm cho thử nghiệm, tỷ lệ tối ưu về số lượng cửa hàng, thời gian thí điểm và quy mô của hiệu ứng ước tính được chọn. Đó cũng là việc tái sử dụng và cải tiến liên tục các phương pháp phân tích hậu quả. Phương pháp này là cần thiết để giảm khả năng xảy ra sai sót khi chấp nhận sai và ảnh hưởng bị bỏ lỡ, cũng như để tăng độ nhạy, bởi vì ngay cả một ảnh hưởng nhỏ trên quy mô của một doanh nghiệp lớn cũng có tầm quan trọng rất lớn. Do đó, bạn cần có khả năng xác định ngay cả những thay đổi yếu nhất và giảm thiểu rủi ro, bao gồm cả những kết luận không chính xác về kết quả thử nghiệm.
Bán lẻ, Dữ liệu lớn và các trường hợp thực tế
Năm ngoái, các chuyên gia của Tập đoàn Bán lẻ X5 đã đánh giá sự biến động về doanh số của những sản phẩm được người hâm mộ World Cup 2018 ưa chuộng nhất. Không có gì bất ngờ, nhưng số liệu thống kê vẫn rất thú vị.
Vì vậy, nước trở thành “sách bán chạy số 1”. Tại các thành phố đăng cai World Cup, doanh số bán nước tăng khoảng 46%; dẫn đầu là Sochi, nơi doanh thu tăng 87%. Vào những ngày thi đấu, con số cao nhất được ghi nhận ở Saransk - doanh số bán hàng ở đây tăng 160% so với những ngày bình thường.
Ngoài nước, người hâm mộ còn mua bia. Từ ngày 14/15 đến ngày 31,8/64, tại các thành phố diễn ra các trận đấu, doanh thu bia tăng trung bình 5,6%. Sochi cũng trở thành người dẫn đầu - bia được mua ở đây tích cực hơn 128%. Nhưng ở St. Petersburg, mức tăng trưởng rất nhỏ - chỉ XNUMX%. Vào những ngày diễn ra trận đấu ở Saransk, doanh số bán bia tăng XNUMX%.
Nghiên cứu cũng đã được tiến hành trên các sản phẩm khác. Dữ liệu thu được vào những ngày tiêu thụ thực phẩm cao điểm cho phép chúng tôi dự đoán chính xác hơn nhu cầu trong tương lai, có tính đến các yếu tố sự kiện. Dự báo chính xác giúp có thể dự đoán được kỳ vọng của khách hàng.
Trong quá trình thử nghiệm, Tập đoàn bán lẻ X5 đã sử dụng XNUMX phương pháp:
Mô hình chuỗi thời gian cấu trúc Bayes với ước tính chênh lệch tích lũy;
Phân tích hồi quy với việc đánh giá sự thay đổi trong phân bố lỗi trước và trong giải vô địch.
Bán lẻ còn sử dụng gì nữa từ Dữ liệu lớn?
- Có khá nhiều phương pháp và công nghệ, từ những gì có thể gọi tên trực tiếp, đó là:
- Dự báo nhu cầu;
- Tối ưu hóa ma trận phân loại;
- Thị giác máy tính để xác định khoảng trống trên kệ và phát hiện hàng đợi đang hình thành;
- Dự báo khuyến mãi.
Thiếu chuyên gia
Nhu cầu về các chuyên gia Dữ liệu lớn không ngừng tăng lên. Như vậy, năm 2018, số lượng vị trí tuyển dụng liên quan đến big data đã tăng gấp 7 lần so với năm 2015. Trong nửa đầu năm 2019, nhu cầu về chuyên gia đã vượt 65% nhu cầu của cả năm 2018.
Các công ty lớn đặc biệt cần dịch vụ của các nhà phân tích Dữ liệu lớn. Ví dụ: tại Mail.ru Group, chúng cần thiết trong bất kỳ dự án nào xử lý dữ liệu văn bản, nội dung đa phương tiện, thực hiện tổng hợp và phân tích giọng nói (trước hết là dịch vụ đám mây, mạng xã hội, trò chơi, v.v.). Số lượng vị trí tuyển dụng trong công ty đã tăng gấp ba lần trong hai năm qua. Trong 2,5 tháng đầu năm nay, Mail.ru đã thuê số lượng chuyên gia Dữ liệu lớn bằng cả năm ngoái. Tại Ozon, bộ phận Khoa học dữ liệu đã tăng gấp ba lần trong hai năm qua. Tình hình cũng tương tự ở Megafon - nhóm phân tích dữ liệu đã tăng trưởng gấp nhiều lần trong XNUMX năm qua.
Không còn nghi ngờ gì nữa, trong tương lai nhu cầu về đại diện các chuyên ngành liên quan đến Dữ liệu lớn sẽ còn tăng cao hơn nữa. Vì vậy, nếu bạn có hứng thú với lĩnh vực này, bạn nên thử sức mình.
Nguồn: www.habr.com