Jak vypadá pojetí Big Data v České republice? Jaké nástroje se u nás používají ke zpracování velkého množství dat? A jak je lze efektivně využít pro ještě lepší marketing (nejenom) v online světě?
3. 3
Jak vypadá situace v ČR s Big data?
Gartner umístil Big data mezi klíčová
témata pro CIO
Mateřská korporace si přečetla
doporučení jako první
Založení Big data oddělení ve
společnosti
Nákup/Pronájem SW pro Big data
Aktuální cíl: jak využít tyto nástroje a
Big data pro náš business
4. 4
Co to tedy jsou ta Big data?
Strukturovaná a nestrukturovaná data
v řádech terabytů a více.
5. 5
Jak přistupujeme k Big data v Profinitu?
o Hadoop
– Je sada open-source softwarových nástrojů určených pro zpracování velkého množství
nestrukturovaných a distribuovaných dat v řádech petabytů a exabytů.
o MapReduce
– Rozdělení, Výpočet, Spojení výpočtu
o Apache Hive – SQL nad Hadoopem
o Apache Hbase – noSQL nad Hadoopem
o Apache Spark – zrychlení výpočtu nad Hadoopem
6. 6
Kdy použít Big data a kdy standardní
technologie?
Big data technologie
o Hadoop, MapReduce, Hive, Hbase,
Spark, …
o Nestrukturovaná data
– Vazby mezi zákazníky nebo
společnostmi
– Textová data
– Oscanované smlouvy
– Logy z webů, mobilních aplikací
o Chci si hrát s velkým objemem dat a
neplatit za to moc peněz
– Historie transakcí v bance
– Analýza CDR záznamů v telcu
Standardní technologie
o Relační databáze (Teradata, Oracle,
MSSQL, MySQL, PostgreSQL,…)
o Strukturovaná data
– Zákazníci
– Produkty
– Historie nákupů zboží nebo služeb
– Interakce se zákazníkem
o Velikost dat je zpracovatelná
standardními nástroji
8. 9
Naše řešení – Channel Analytics Solution
Komunikační kanály
ATM POS Pobočky Ostatní MobileWeb
Channel Tracking Solution = CHTS
Google
Analytics
Monitoring Analytics
Integration Analytics
Interní data
- Produkty
- Zákazníci
- Transakční chování
Rules and
predictions
Na základě profilu zákazníků a jejich chování
doporučujeme nejvhodnější produkty a služby.
11. 12
CHTS
CHTS – analýzy a reportování
Web analytics
Analytical engine
Historie klienta
Chování zákazníků
v online
Co zajímalo uživatele
před tím než se stali
klienty
3
4
Interní
informační systémy
1
2
O jaké produkty nebo
služby se zajímal
zákazník, který mi právě
volá na call centrum
Kteří zákazníci si podali
žádost o hypotéku z
těch, co navštívili web.
12. 13
CHTS
CHTS – personalizovaná promo nabídka
Web analytics ID: 12345
Web analytics
Rule engine
Anonymní prohlížení
produktu
CHTS rozpozná
zákazníka
CHTS rozhodne, zda se
má odeslat email/SMS
a s jakým obsahem
Odeslání promo nabídky
zákazníkovi přes SMS
1
2
3
4
13. 14
CHTS
CHTS – personalizace homepage
Web analytics
Recommendation engine
CHTS identifikuje zákazníka a
na základě jeho chování a
předchozích nákupů doporučí
vhodné produkty
Zákazník přijde na
hlavní stranu
Doporučené produkty se
zobrazí na homepage
1
2
3
Web analytics ID: 12345
14. 15
CHTS
CHTS – doporučování produktů
Web analytics
Recommendation engine
CHTS rozpozná uživatele a na
základě historie a podobnosti
doporučí vhodné produkty
Anonymní uživatel
přijde na detail
produktu/je v
nákupním košíku
Doporučené produkty se
zobrazí uživateli
1
2
3
Web analytics ID: 12345
16. 17
CHTS
CHTS – využití v online marketingu
Web analytics ID: 12345
Web analytics
Recommendation engine
CHTS rozpozná
zákazníka
CHTS rozhodne, zda se
má zákazník zařadit do
online marketingové
kampaně
Zařazení do
marketingové kampaně
na související produkty
1
2
3
45
18. 19
Backend server
- Dojde ke spárování
interního ID našeho
zákazníka a jeho
profilu s GA Client ID
Jak to celé funguje?
JavaScript knihovny
- Login uživatele se
posílá spolu s GA
Client ID na
Backend server
přes real-time
JavaScript API
2
GA Client ID a interní
ID se posílá do GA
1
3
19. 25
Jak zařídit, aby Váš svět vypadal takto?
Využívat bohatství skryté v datech
Prezentovat relevantní obsah
Vašim zákazníkům
Urcite uz rada z Vas videla.
Protože je hitem dobrych prezentaci o big data, nemohl jsem si dovolit, jej neuvest
V CR tech big dat opravdu moc nemame.
Jdeme na to pragmaticky.
3,14 – několik minut a nakonec nám málem shořel počítač
Nejdrive use case, potom reseni.
Chceme zpracovávat data o zakaznicich a vedet, co delaji na webu.
Muzu pouzit big data a zacit zpracovávat logy, které mam a nebo použijeme standardni pristup.
Mam dve moznosti
– pouzit data z logu – tj. nestrukturovana data a parsovat je -> big data
- Pouzit data z webove analytiky, obohatit je a propojit je
Kombinuje obe vyhody cloud a in-house reseni.
Digitalni kanaly – vyborny nastroj na monitoring a analyzy, cloud based.
Ale pak mame i interni data a další kanaly.
Ty integrujeme nasim nastrojem a jakmile zajistime, aby si spolu povidali, tak mame vyhrano
A muzeme vystupy pouzit k cilenemu osloveni zákazníka.
3 hlavni case