Специальный проект
Партнёр рекламного проекта:
ООО «САП СНГ»

Рзработка: GSPD
Отдел рекламы и спецпроектов:
Виктория Чернышкина, Алеся Агаподченко, Павел Бекишев

© 2017 АО «Бизнес Ньюс Медиа»
Битва экстрасенсов:
как научить бизнес
предсказывать будущее
Представьте, насколько бы изменился современный бизнес-ландшафт, если бы десять лет назад компании могли точно знать, за какой технологией будущее, чего хочет потребитель и что подталкивает клиентов уходить.

Многие гиганты не выдержали конкуренции, просто потому что не смогли научиться прогнозированию. Сегодня на рынке появился инструмент, позволяющий не повторить их ошибок. Прогнозная аналитика помогает в буквальном смысле просчитать будущее. И компании, которые вовремя научатся ее использовать, минимум на 20 % превзойдут своих конкурентов, считают эксперты Gartner.
Предсказательной или прогнозной аналитикой называют методы анализа данных, которые позволяют довольно точно прогнозировать поведение объекта исследования, например, клиента бизнеса, основываясь на собранных о нем данных. Это сложные IT-системы, которые анализируют огромные массивы разномастной информации, от истории платежей до деловой переписки или звонков, и ищут в ней определенные закономерности.На шаг впереди
В таких системах нет людей: весь анализ полностью автоматизирован. Но с их помощью становится возможным предугадывать, что сделает человек в той или иной ситуации. Например, проанализировав историю покупок, компании могут с вероятностью до 90 % определить, что человек захочет приобрести в следующий раз. Или, еще ни разу не сталкиваясь с конкретным пользователем, вовремя понять, что он замышляет мошенничество.

На самом деле методы предсказательной аналитики используются уже достаточно давно. Например, именно на них опираются банки при создании своих скоринговых моделей. Задача таких систем — спрогнозировать поведение заемщика по имеющимся о его прошлом данным. При этом любой скоринг строится также и на анализе накопленной банком информации о других клиентах. Так, если новый заемщик, по мнению аналитической системы, будет похож на клиентов из группы риска, то есть людей, которые не гасят кредиты, вряд ли банк одобрит такой заем.

Но технология не стоит на месте, и сегодня с помощью прогнозной аналитики компании могут не только выявлять риски, но и управлять финансами, прогнозировать объемы продаж, с высокой точностью угадывать потребности новых клиентов и понимать, кто из них вернется за следующей покупкой, а кто нет, а главное — почему. Крупный бизнес уже распробовал новый инструмент: рынок прогнозной аналитики в 2017 году составит $4,6 миллиарда, а к 2022 году вырастет до $12,4 миллиарда, считают эксперты аналитической компании Marketsandmarkets.
Розничные банки, начавшие с прогнозирования рисков просрочки по кредитам, довольно быстро осознали всю силу предиктивной аналитики. Однако, если их внутренних ресурсов для составления скоринговых моделей было достаточно, то для сложной аналитики, способной с высокой точностью спрогнозировать поведение клиентов и определить их нужды, оказались нужны более серьезные IT-решения.Рост в сотни процентов
Одним из первых на европейском рынке это понял польский mBank — на сегодня крупнейший в стране онлайн-банк и третий по объему активов. Он был запущен BRE Bank в 2000 году как нишевый продукт: для работы в Интернете. Однако в 2013 году группа провела ребрендинг, объединив все свои продукты под брендом «дочки» — mBank. То есть нишевый интернет-банк одержал верх над материнским и, более того, вышел на лидирующие позиции на польском рынке, на сотни процентов увеличив объемы вкладов и кредитов.
В польском финансовом секторе сложилась довольно уникальная ситуация: главные финтех-проекты придумывают и внедряют не стартапы, как это происходит сегодня в большинстве стран, а крупные банки. И происходит это из-за большой конкуренции на ограниченном рынке: банкам приходится постоянно искать новые и максимально персонализированные технологические решения. Чтобы выигрывать в этой конкурентной борьбе, mBank и использует SAP Predictive Analytics.
Человек — не единственный «объект исследования» для предиктивной аналитики. Одним из главных потребителей таких IT-систем сегодня становится промышленность. С помощью IT-платформ предприятия снижают издержки: прогнозируют выход из строя оборудования и планируют его профилактику до того, как случится поломка. Система собирает данные с датчиков, анализирует факторы, влияющие на состояние техники, а затем выдает прогнозы о вероятности поломки и советует, что сделать, чтобы критически важное оборудование не вышло из строя в самый неподходящий момент.«Железные» предсказания
На практике это помогает снизить затраты на ремонт в среднем на 30 %. Именно поэтому в течение ближайших шести лет прогнозную аналитику будут использовать 80 % промышленных компаний против сегодняшних 22 %, говорится в отчете MHI Annual Industry Report за 2016 год.

Кроме того, прогнозная аналитика помогает снизить процент брака. Такие IT-системы для промышленности делает, например, компания SAP. Так, на одном из российских металлургических заводов с помощью платформы SAP HANA аналитики компании научились оценивать вероятность возникновения дефекта на отлитых деталях и выбирать на проверку детали с самой большой вероятностью брака. Это помогло на 40% сократить затраты на контроле качества.
Предиктивная аналитика поможет клиникам сэкономить как минимум 15 % общего бюджета — в этом уверены более половины руководителей медучреждений, опрошенных
Американским сообществом актуариев — специалистов по страховой математике, определяющих страховые тарифы. А четверть опрошенных даже полагает, что благодаря этой технологии получится сэкономить до 25 % расходов.
Аналитика здоровья
Кроме того, прогнозная аналитика в медицине поможет снизить повторные обращения пациентов за помощью, считают эксперты. Например, американская клиника Mount Sinai запустила нацеленную именно на это программу HealthPromise.
С помощью прогнозной аналитики больница пытается уменьшить число повторных госпитализаций своих пациентов. Специалисты используют систему, выявляющую риск повторного заболевания. Основываясь на полученных данных, врачи проводят с пациентами регулярные консультации, чтобы помочь им не попасть в больницу снова.