Большие данные в недвижимости

Продолжение этой статьи можно прочитать на Cossa.

Недавно меня позвали на конференцию и попросили: «Расскажите о новых технологиях. Например, о больших данных». Ирония в том, что это уже давно не новые технологии, им скоро будет 20 лет. Представление о больших данных (big data) как о чём-то новом — неплохое оправдание, почему компания до сих пор с ними не работает. Между тем, уже в 1999 году частные компании работали с big data в масштабах целой страны. Фейсбук родился только после того, как Гугл опубликовал на весь мир свои способы обработки больших данных.

Сбор цифровой информации в мире резко увеличился после 2000 года. Сенсоры, датчики, умные телевизоры, видеокамеры, телефоны, увеличение качества фото- и видеосъемки, спутники, роутеры — всё сейчас генерирует и сохраняет миллиарды гигабайт в год. Американские исследователи подсчитали, что сегодня каждую минуту собирается больше данных, чем человечество произвело за все предыдущие два тысячелетия.

Скоро дойдёт до того, что тостер будет отправлять производителю сведения, в какое время вы жарите хлеб и когда ему понадобится техобслуживание.

Этот процесс необратим, поскольку он приносит выгоду. Давайте посмотрим, какую.

  • 50 лет назад продажи заключались личными контактами, встречами. Это самый надежный способ, вы видите ответную реакцию собеседника и можете направить разговор в нужное русло. Но торговый представитель не может провести больше 5-7 встреч в день. А если бизнесу нужно больше?

  • 30 лет назад решением была массовая реклама. Она снимает ограничения личных продаж, её масштабы ограничиваются только кошельком рекламодателя. Проблема в том, что её показывают всем подряд, ковровой бомбардировкой. Неважно, нужен ли ваш товар этому покупателю или нет, платить приходится за всех. Это невыгодно.

  • 15 лет назад пришла в интернете появились новые инструменты рекламы — контекстная, таргетированная медийная. Здесь уже начала раскрываться сила больших данных. Ваше предложение видят только те, кому вы хотите его показать. А для этого необходимо знать каждого посетителя, его историю интересов, все предложения рекламодателей, финансовые условия и многие другие вещи — всё это большие данные. И для того, чтобы за доли секунды обработать такие запросы используются именно технологии big data.

  • Раньше вы могли составить десяток объявлений контекстной рекламы, назначить их нескольким группам пользователей и на этом успокоиться. Сегодня, чтобы быть умнее конкурентов, требуется не 10 и не 100 рекламных сообщений. Речь идёт о сотнях и тысячах целевых групп, по несколько объявлений для каждой. Наступает время гиперсегментации.

Может ли живой человек в реальном времени принимать решения по ставкам, эффективности и доходности тысяч рекламных объявлений? Наверное да, но зачем, когда есть робот. В дело вступает система, автоматически анализирующая и незамедлительно принимающая решения.

Использование big data действительно приносит профит. Да что там профит — большие данные могут сделать вас президентом! Команда Трампа не только изучала статистические данных опросов граждан, но и подключала к этому данные фейсбука. Штаб Трампа чётко знал, в каком городе, для какой группы граждан самое больное место, и давил на него.

Большие данные могут спасать жизни. Собранные на несколько десятилетий данные о причинах смертности - сейчас используются в современных методах диагностики.

Недавно опубликовали результаты эксперимента по автоматизации рекламы. Возможно, вы слышали про робота Альберта. Он заменил целое рекламное агентство и уже в первый месяц увеличил продажи компании в соцсетях на 400%, а в фейсбуке — на 2000%. И это не просто случайность. Тот же Альберт, работая на Харли Девидсон, получил престижную премию. Его рекламная кампания была признана лучшей цифровой кампанией на американском рынке. Когда мы имеем дело с оптимизацией рекламы на основе больших данных, робот определённо справляется лучше человека.

Почему же все компании мира не бросились с головой в мир больших данных? Многие пытаются, но получается не у всех. Согласно исследованию Gartner, в США уже 48% компаний вкладывают деньги в развитие этого направления. Но всего 15% из них видят хоть какой-то результат своих вложений.

Почему? Мне представляется, что это связано с завышенными ожиданиями. «Прилетит к нам big data в голубом вертолёте и подарит 500 эскимо». Но здесь нет волшебных кнопок. Если вы не поработаете, большие данные тоже будут лениться. Как показало исследование для журнала Economist, в цепочке работы с большими данными главную ценность создают первые и последние звенья. Начальный этап — это постановка задачи и поиск подходов к её решению. Здесь без человека не обойтись. Конечный этап — применение полученных данных в бизнесе. Это тоже вопрос управленческих навыков человека. Между этими этапами робот может идеально собирать данные и прекрасно их анализировать. Но всё без толку, если на старте вы не сформулировали вопросы, на которые хотите получить ответы. То же самое, если вы не знаете, как будете применять результаты анализа.

Переходя к конкретике, что можно делать с данными? Мы в Smartis работаем с продажами недвижимости, и можем утверждать, что в России по состоянию на весну 2017 года в этой сфере никто не использует большие данные. Мы опрашивали основных игроков на рынке новостроек; оказалось, что в головах у людей сидят три главных мифа о big data.

CRM — один из самых насущных вопросов на рынке недвижимости сегодня. Большинство игроков сейчас находится на стадии внедрения CRM-систем. Часто это процесс болезненный, долгий и дорогой. И пока идёт эта тягомотина с внедрением, руководители говорят: «мы пока не можем анализировать сделки, надо подождать, пока нам допилят интеграцию». Я делаю лицо Роберта Дауни младшего, когда мне говорят, что без внедрённой CRM нельзя посмотреть, какие каналы привлечения приводят самых платёжеспособных клиентов.

Господа, ведь как-то же вы ведёте учёт покупок. Даже если это примитивная Excel-таблица, с ней уже можно работать. При всех вопросах к Microsoft, это автоматизируется за полчаса: выкладываем табличку на OneDrive, оттуда связываем с PowerBI, у которой есть стандартная интеграция с Google Analytics. Уже неплохо. Особенно если в табличке есть минимальный набор сведений: дата, бюджет, предмет сделки, контакты сделки.

Некоторые компании даже не рассматривают возможности анализа больших данных, потому что в их мире это означает развёртывание дорогостоящей и неповоротливой инфраструктуры. Серверное железо и его обслуживание, толпа фуллтайм-специалистов в штате. Электроэнергия, наконец. Это правда: можно решать задачу «в лоб» и поднимать с нуля всю серверную архитектуру хранения и обработки данных. На это уйдёт от 3 млн рублей и не меньше года потраченного времени.

А можно воспользоваться имеющимися готовыми предложениями. Уйдёт пара дней на организацию, а заплатите вы только за фактически использованные вычислительные мощности. Такие решения предлагают Amazon, Microsoft, Google. Нужно вам на вычисления 100 секунд мощной серверной фермы — заплатите только за 100 секунд. Использование больших данных относительно первого варианта вам обойдется практически даром. И не надо ждать год, пока вам оборудуют серверную и наймут админов.

Это моё любимое. «Игорь, ну какие у нас большие данные? Строим один объект, продаём с него 1000 квартир. Статистику по этой тысяче можно свести в советской книге учёта, big data здесь не ночевали». По этому поводу у меня несколько соображений.

Если не начать копить данные сегодня, их у вас не будет и через 10 лет. Ваш бизнес не получит ретроспективных данных, когда они вам потребуются.

  1. Можно применять то, что есть и не ждать, когда у вас будет 100 терабайт данных. На том, что вы накопите за год, можно обкатать подходы к обработке и анализу. Выше мы говорили про этапы в цепочке добавленной стоимости, где машины бессильны. На стартовых данных ваш бизнес накопит именно эти, человеческие компетенции. Кроме того, вы поймёте, какой информации вам не хватает, и начнёте её собирать раньше конкурентов.

  2. Хорошая новость: вам можно не разрабатывать свои алгоритмы поиска похожей аудитории («ближайших соседей», в терминологии bigData), ведь он уже готов у профильных компаний. Сервисы programmatic, media buying, look-alike уже работают на рынке. Если вы опасаетесь за сохранность своих данных, передавайте их в обезличенном виде. Это уже стало отраслевым стандартом: внешним сервисам передают набор цифр, смысл которых понятен только заказчику.

  3. И главная хорошая новость: за пределами вашего бизнеса уже есть огромные массивы данных. Просто берите их и находите закономерности с информацией о ваших продажах. Из онлайн-данных доступен парсинг новостных лент, поисковой выдачи, информации по частотности запросов сервисами (wordstat.yandex.ru или google.ru/trends/). Также можно собирать информацию из офлайн-мира: погода, миграция, рождаемость, доходы населения. Здесь все ограничивается только вашей фантазией.

Если вы не знаете, где найти данные, которые позволят ответить на поставленные вопросы, можно прибегнуть к помощи специализированных компаний. Есть профессионалы, которые только этим и занимаются — Data Trader и его помощник Data Hound (по классификации Мартина Джонса).

Всё просто: вы уже в океане данных, научитесь плавать. Не знаете, куда плыть — наймите лоцмана.