SlideShare une entreprise Scribd logo
1  sur  21
Big data v praxi?
Jiří Mach
Michal Krčmář
2
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
Co to tedy jsou ta Big data?
Strukturovaná a nestrukturovaná data
v řádech terabytů a více.
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
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
Zpracování interakcí se zákazníkem na našich
webových portálech a mobilních aplikacích
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.
10
Jak potom vypadá svět v marketingu?
Michal Krčmář
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.
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
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
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
CHTS – využití v online marketingu
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
Jak to celé funguje?
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
25
Jak zařídit, aby Váš svět vypadal takto?
Využívat bohatství skryté v datech
Prezentovat relevantní obsah
Vašim zákazníkům
Demo a diskuze
Profinit, s.r.o., Tychonova 2, 160 00 Praha 6
Tel: +420 224 316 016, www.profinit.eu
Děkujeme za pozornost

Contenu connexe

Tendances

PPC Restart 2021: David Velechovský: Proč jsou akviziční kampaně důležitější ...
PPC Restart 2021: David Velechovský: Proč jsou akviziční kampaně důležitější ...PPC Restart 2021: David Velechovský: Proč jsou akviziční kampaně důležitější ...
PPC Restart 2021: David Velechovský: Proč jsou akviziční kampaně důležitější ...Taste
 
Data Restart 2021 Reloaded: Petra Dolejšová - Legislativní rámec cookie apoka...
Data Restart 2021 Reloaded: Petra Dolejšová - Legislativní rámec cookie apoka...Data Restart 2021 Reloaded: Petra Dolejšová - Legislativní rámec cookie apoka...
Data Restart 2021 Reloaded: Petra Dolejšová - Legislativní rámec cookie apoka...Taste
 
Digisemestr - Webová analytika chytře s Google Analytics - workshop 16. 11. 2015
Digisemestr - Webová analytika chytře s Google Analytics - workshop 16. 11. 2015Digisemestr - Webová analytika chytře s Google Analytics - workshop 16. 11. 2015
Digisemestr - Webová analytika chytře s Google Analytics - workshop 16. 11. 2015Sun Marketing
 
Co všechno vám umožní DMP (Ondřej Synčák)
Co všechno vám umožní DMP (Ondřej Synčák)Co všechno vám umožní DMP (Ondřej Synčák)
Co všechno vám umožní DMP (Ondřej Synčák)Taste Medio
 
Open Monday: Využití Google Analytics při optimalizaci PPC kampaní
Open Monday: Využití Google Analytics při optimalizaci PPC kampaníOpen Monday: Využití Google Analytics při optimalizaci PPC kampaní
Open Monday: Využití Google Analytics při optimalizaci PPC kampaníH1.cz
 
Pohledy, díky kterým víme, že naše kampaně šlapou (Petr Bureš)
Pohledy, díky kterým víme, že naše kampaně šlapou (Petr Bureš)Pohledy, díky kterým víme, že naše kampaně šlapou (Petr Bureš)
Pohledy, díky kterým víme, že naše kampaně šlapou (Petr Bureš)Taste Medio
 
2015 Webexpo: Co jsem se naučila při správě PPC kampaní s 5M budgetem
2015 Webexpo: Co jsem se naučila při správě PPC kampaní s 5M budgetem2015 Webexpo: Co jsem se naučila při správě PPC kampaní s 5M budgetem
2015 Webexpo: Co jsem se naučila při správě PPC kampaní s 5M budgetemMarkéta Kabátová
 
Co dokážete vyždímat z Google Analytics pro svůj obsah
Co dokážete vyždímat z Google Analytics pro svůj obsahCo dokážete vyždímat z Google Analytics pro svůj obsah
Co dokážete vyždímat z Google Analytics pro svůj obsahpavel jašek
 
PPC Restart 2021: David Smák & Přemysl Horáček - Maximalizace počtu leadů vs....
PPC Restart 2021: David Smák & Přemysl Horáček - Maximalizace počtu leadů vs....PPC Restart 2021: David Smák & Přemysl Horáček - Maximalizace počtu leadů vs....
PPC Restart 2021: David Smák & Přemysl Horáček - Maximalizace počtu leadů vs....Taste
 
Petra Nováková: (Skoro)ideální struktura PPC účtů
Petra Nováková: (Skoro)ideální struktura PPC účtůPetra Nováková: (Skoro)ideální struktura PPC účtů
Petra Nováková: (Skoro)ideální struktura PPC účtůTaste Medio
 
Hygiena AdWords kampaní ve vyhledávání (Eliška Kubátová)
Hygiena AdWords kampaní ve vyhledávání (Eliška Kubátová)Hygiena AdWords kampaní ve vyhledávání (Eliška Kubátová)
Hygiena AdWords kampaní ve vyhledávání (Eliška Kubátová)Taste Medio
 
Propagace stránek: E-mailing krok za krokem
Propagace stránek: E-mailing krok za krokemPropagace stránek: E-mailing krok za krokem
Propagace stránek: E-mailing krok za krokemMichal Blažek
 
Data Restart 2021 Reloaded: Jan Tichý - Server-side měření a Facebook Convers...
Data Restart 2021 Reloaded: Jan Tichý - Server-side měření a Facebook Convers...Data Restart 2021 Reloaded: Jan Tichý - Server-side měření a Facebook Convers...
Data Restart 2021 Reloaded: Jan Tichý - Server-side měření a Facebook Convers...Taste
 
Google Exportní Akcelerátor - Jak moc lokální přístup se vyplatí?
Google Exportní Akcelerátor - Jak moc lokální přístup se vyplatí?Google Exportní Akcelerátor - Jak moc lokální přístup se vyplatí?
Google Exportní Akcelerátor - Jak moc lokální přístup se vyplatí?Markéta Kabátová
 
Jakub Drahokoupil: První středa v Brně o Google Analytics
Jakub Drahokoupil: První středa v Brně o Google AnalyticsJakub Drahokoupil: První středa v Brně o Google Analytics
Jakub Drahokoupil: První středa v Brně o Google AnalyticsH1.cz
 
Ondřej Novotný: Jak na Data studio v praxi
Ondřej Novotný: Jak na Data studio v praxiOndřej Novotný: Jak na Data studio v praxi
Ondřej Novotný: Jak na Data studio v praxiH1.cz
 
Universal Analytics & optimalizace konverzí
Universal Analytics & optimalizace konverzíUniversal Analytics & optimalizace konverzí
Universal Analytics & optimalizace konverzíOptimics s.r.o.
 
Click it - Jak a co měřit pomocí nástroje Google Analytics - workshop 22. 10....
Click it - Jak a co měřit pomocí nástroje Google Analytics - workshop 22. 10....Click it - Jak a co měřit pomocí nástroje Google Analytics - workshop 22. 10....
Click it - Jak a co měřit pomocí nástroje Google Analytics - workshop 22. 10....Sun Marketing
 

Tendances (20)

PPC Restart 2021: David Velechovský: Proč jsou akviziční kampaně důležitější ...
PPC Restart 2021: David Velechovský: Proč jsou akviziční kampaně důležitější ...PPC Restart 2021: David Velechovský: Proč jsou akviziční kampaně důležitější ...
PPC Restart 2021: David Velechovský: Proč jsou akviziční kampaně důležitější ...
 
Temná budoucnost PPC
Temná budoucnost PPCTemná budoucnost PPC
Temná budoucnost PPC
 
Data Restart 2021 Reloaded: Petra Dolejšová - Legislativní rámec cookie apoka...
Data Restart 2021 Reloaded: Petra Dolejšová - Legislativní rámec cookie apoka...Data Restart 2021 Reloaded: Petra Dolejšová - Legislativní rámec cookie apoka...
Data Restart 2021 Reloaded: Petra Dolejšová - Legislativní rámec cookie apoka...
 
Digisemestr - Webová analytika chytře s Google Analytics - workshop 16. 11. 2015
Digisemestr - Webová analytika chytře s Google Analytics - workshop 16. 11. 2015Digisemestr - Webová analytika chytře s Google Analytics - workshop 16. 11. 2015
Digisemestr - Webová analytika chytře s Google Analytics - workshop 16. 11. 2015
 
Co všechno vám umožní DMP (Ondřej Synčák)
Co všechno vám umožní DMP (Ondřej Synčák)Co všechno vám umožní DMP (Ondřej Synčák)
Co všechno vám umožní DMP (Ondřej Synčák)
 
Open Monday: Využití Google Analytics při optimalizaci PPC kampaní
Open Monday: Využití Google Analytics při optimalizaci PPC kampaníOpen Monday: Využití Google Analytics při optimalizaci PPC kampaní
Open Monday: Využití Google Analytics při optimalizaci PPC kampaní
 
Pohledy, díky kterým víme, že naše kampaně šlapou (Petr Bureš)
Pohledy, díky kterým víme, že naše kampaně šlapou (Petr Bureš)Pohledy, díky kterým víme, že naše kampaně šlapou (Petr Bureš)
Pohledy, díky kterým víme, že naše kampaně šlapou (Petr Bureš)
 
2015 Webexpo: Co jsem se naučila při správě PPC kampaní s 5M budgetem
2015 Webexpo: Co jsem se naučila při správě PPC kampaní s 5M budgetem2015 Webexpo: Co jsem se naučila při správě PPC kampaní s 5M budgetem
2015 Webexpo: Co jsem se naučila při správě PPC kampaní s 5M budgetem
 
Co dokážete vyždímat z Google Analytics pro svůj obsah
Co dokážete vyždímat z Google Analytics pro svůj obsahCo dokážete vyždímat z Google Analytics pro svůj obsah
Co dokážete vyždímat z Google Analytics pro svůj obsah
 
PPC Restart 2021: David Smák & Přemysl Horáček - Maximalizace počtu leadů vs....
PPC Restart 2021: David Smák & Přemysl Horáček - Maximalizace počtu leadů vs....PPC Restart 2021: David Smák & Přemysl Horáček - Maximalizace počtu leadů vs....
PPC Restart 2021: David Smák & Přemysl Horáček - Maximalizace počtu leadů vs....
 
Petra Nováková: (Skoro)ideální struktura PPC účtů
Petra Nováková: (Skoro)ideální struktura PPC účtůPetra Nováková: (Skoro)ideální struktura PPC účtů
Petra Nováková: (Skoro)ideální struktura PPC účtů
 
Hygiena AdWords kampaní ve vyhledávání (Eliška Kubátová)
Hygiena AdWords kampaní ve vyhledávání (Eliška Kubátová)Hygiena AdWords kampaní ve vyhledávání (Eliška Kubátová)
Hygiena AdWords kampaní ve vyhledávání (Eliška Kubátová)
 
Propagace stránek: E-mailing krok za krokem
Propagace stránek: E-mailing krok za krokemPropagace stránek: E-mailing krok za krokem
Propagace stránek: E-mailing krok za krokem
 
Propagace stránek
Propagace stránekPropagace stránek
Propagace stránek
 
Data Restart 2021 Reloaded: Jan Tichý - Server-side měření a Facebook Convers...
Data Restart 2021 Reloaded: Jan Tichý - Server-side měření a Facebook Convers...Data Restart 2021 Reloaded: Jan Tichý - Server-side měření a Facebook Convers...
Data Restart 2021 Reloaded: Jan Tichý - Server-side měření a Facebook Convers...
 
Google Exportní Akcelerátor - Jak moc lokální přístup se vyplatí?
Google Exportní Akcelerátor - Jak moc lokální přístup se vyplatí?Google Exportní Akcelerátor - Jak moc lokální přístup se vyplatí?
Google Exportní Akcelerátor - Jak moc lokální přístup se vyplatí?
 
Jakub Drahokoupil: První středa v Brně o Google Analytics
Jakub Drahokoupil: První středa v Brně o Google AnalyticsJakub Drahokoupil: První středa v Brně o Google Analytics
Jakub Drahokoupil: První středa v Brně o Google Analytics
 
Ondřej Novotný: Jak na Data studio v praxi
Ondřej Novotný: Jak na Data studio v praxiOndřej Novotný: Jak na Data studio v praxi
Ondřej Novotný: Jak na Data studio v praxi
 
Universal Analytics & optimalizace konverzí
Universal Analytics & optimalizace konverzíUniversal Analytics & optimalizace konverzí
Universal Analytics & optimalizace konverzí
 
Click it - Jak a co měřit pomocí nástroje Google Analytics - workshop 22. 10....
Click it - Jak a co měřit pomocí nástroje Google Analytics - workshop 22. 10....Click it - Jak a co měřit pomocí nástroje Google Analytics - workshop 22. 10....
Click it - Jak a co měřit pomocí nástroje Google Analytics - workshop 22. 10....
 

En vedette

Jiří Štěpán: Personalizace digitální komunikace
Jiří Štěpán: Personalizace digitální komunikaceJiří Štěpán: Personalizace digitální komunikace
Jiří Štěpán: Personalizace digitální komunikaceKISK FF MU
 
Big data a vizualizace velkých dat - Profinit - Marek Sušický
Big data a vizualizace velkých dat - Profinit - Marek SušickýBig data a vizualizace velkých dat - Profinit - Marek Sušický
Big data a vizualizace velkých dat - Profinit - Marek SušickýProfinit
 
Big data v infrastruktuře
Big data v infrastruktuřeBig data v infrastruktuře
Big data v infrastruktuřeKamil Brzak
 
Milan Vašina: Digitální ekonomika 2015
Milan Vašina: Digitální ekonomika 2015Milan Vašina: Digitální ekonomika 2015
Milan Vašina: Digitální ekonomika 2015Zonky
 
Fingerprinting a big data
Fingerprinting a big dataFingerprinting a big data
Fingerprinting a big dataJosef Šlerka
 
New Media, Big Data, IoT aneb jak to je?!
New Media, Big Data, IoT aneb jak to je?!New Media, Big Data, IoT aneb jak to je?!
New Media, Big Data, IoT aneb jak to je?!Josef Šlerka
 

En vedette (8)

Jiří Štěpán: Personalizace digitální komunikace
Jiří Štěpán: Personalizace digitální komunikaceJiří Štěpán: Personalizace digitální komunikace
Jiří Štěpán: Personalizace digitální komunikace
 
Big data a vizualizace velkých dat - Profinit - Marek Sušický
Big data a vizualizace velkých dat - Profinit - Marek SušickýBig data a vizualizace velkých dat - Profinit - Marek Sušický
Big data a vizualizace velkých dat - Profinit - Marek Sušický
 
Big data v infrastruktuře
Big data v infrastruktuřeBig data v infrastruktuře
Big data v infrastruktuře
 
Milan Vašina: Digitální ekonomika 2015
Milan Vašina: Digitální ekonomika 2015Milan Vašina: Digitální ekonomika 2015
Milan Vašina: Digitální ekonomika 2015
 
Fingerprinting a big data
Fingerprinting a big dataFingerprinting a big data
Fingerprinting a big data
 
New Media, Big Data, IoT aneb jak to je?!
New Media, Big Data, IoT aneb jak to je?!New Media, Big Data, IoT aneb jak to je?!
New Media, Big Data, IoT aneb jak to je?!
 
What is Big Data?
What is Big Data?What is Big Data?
What is Big Data?
 
Big data ppt
Big  data pptBig  data ppt
Big data ppt
 

Similaire à Datarestart - Big Data v praxi

Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016Profinit
 
Amamto nápady pro vaše podnikání
Amamto   nápady pro vaše podnikáníAmamto   nápady pro vaše podnikání
Amamto nápady pro vaše podnikáníondr3j
 
Jak vytvořit fungující prodejní kanál s online podporou?
Jak vytvořit fungující prodejní kanál s online podporou?Jak vytvořit fungující prodejní kanál s online podporou?
Jak vytvořit fungující prodejní kanál s online podporou? MARCO BBN
 
Webová analytika (ČZU - Webdesign, 11. 12. 2013)
Webová analytika (ČZU - Webdesign, 11. 12. 2013)Webová analytika (ČZU - Webdesign, 11. 12. 2013)
Webová analytika (ČZU - Webdesign, 11. 12. 2013)Sherpas
 
Jak úspěšně zavést do firmy webovou analytiku
Jak úspěšně zavést do firmy webovou analytikuJak úspěšně zavést do firmy webovou analytiku
Jak úspěšně zavést do firmy webovou analytikuAkce Dobrého webu
 
Rozvoj webové analytiky díky Universal Analytics
Rozvoj webové analytiky díky Universal AnalyticsRozvoj webové analytiky díky Universal Analytics
Rozvoj webové analytiky díky Universal AnalyticsSherpas
 
Jak analyzovat data z vašeho e-shopu - Jan Laštůvka
Jak analyzovat data z vašeho e-shopu - Jan LaštůvkaJak analyzovat data z vašeho e-shopu - Jan Laštůvka
Jak analyzovat data z vašeho e-shopu - Jan LaštůvkaTaste Medio
 
Social media monitoring
Social media monitoringSocial media monitoring
Social media monitoringJosef Šlerka
 
Identifikace cílové skupiny s využitím malých i velkých dat a umělé inteligence
Identifikace cílové skupiny s využitím malých i velkých dat a umělé inteligenceIdentifikace cílové skupiny s využitím malých i velkých dat a umělé inteligence
Identifikace cílové skupiny s využitím malých i velkých dat a umělé inteligenceGauss Algorithmic
 
Data Spring - SAS - Visual Analytics jako služba
Data Spring - SAS - Visual Analytics jako službaData Spring - SAS - Visual Analytics jako služba
Data Spring - SAS - Visual Analytics jako službaMarketingArrowECS_CZ
 
Rozdíl mezi webovou analytikou a počítadlem návštěvnosti
Rozdíl mezi webovou analytikou a počítadlem návštěvnostiRozdíl mezi webovou analytikou a počítadlem návštěvnosti
Rozdíl mezi webovou analytikou a počítadlem návštěvnostiJakub Kašparů
 
Webová analytika (ČZU - Webdesign, 21. 11. 2012)
Webová analytika (ČZU - Webdesign, 21. 11. 2012)Webová analytika (ČZU - Webdesign, 21. 11. 2012)
Webová analytika (ČZU - Webdesign, 21. 11. 2012)Sherpas
 
PPC Date #4: Tomáš Komárek - Vyhodnocování kanálů tvořících poptávku
PPC Date #4: Tomáš Komárek - Vyhodnocování kanálů tvořících poptávkuPPC Date #4: Tomáš Komárek - Vyhodnocování kanálů tvořících poptávku
PPC Date #4: Tomáš Komárek - Vyhodnocování kanálů tvořících poptávkuTaste
 
Analytika v B2B světě
Analytika v B2B světěAnalytika v B2B světě
Analytika v B2B světěTaste Medio
 
Měření návštěvnosti - Praktické využití Optimalizátoři.cz
Měření návštěvnosti - Praktické využití Optimalizátoři.czMěření návštěvnosti - Praktické využití Optimalizátoři.cz
Měření návštěvnosti - Praktické využití Optimalizátoři.czOptimalizátoři.cz s.r.o.
 
Data Restart 2022: Hana Bartoňková a Vojtěch Říha - Kolik mi vydělá jeden člá...
Data Restart 2022: Hana Bartoňková a Vojtěch Říha - Kolik mi vydělá jeden člá...Data Restart 2022: Hana Bartoňková a Vojtěch Říha - Kolik mi vydělá jeden člá...
Data Restart 2022: Hana Bartoňková a Vojtěch Říha - Kolik mi vydělá jeden člá...Taste
 
8 tipu jak delat lepe webovou analytiku
8 tipu jak delat lepe webovou analytiku8 tipu jak delat lepe webovou analytiku
8 tipu jak delat lepe webovou analytikuJiri Maly
 
BI and the competitive advantage of the business
BI and the competitive advantage of the businessBI and the competitive advantage of the business
BI and the competitive advantage of the businessJaroslav Smarda
 
Online marketing & new media | BenedaGroup.com
Online marketing & new media | BenedaGroup.comOnline marketing & new media | BenedaGroup.com
Online marketing & new media | BenedaGroup.comBenedaGroup.com
 
Data Date #3: Přemysl Horáček - Jak daleko jste s datovou analytikou? Maturit...
Data Date #3: Přemysl Horáček - Jak daleko jste s datovou analytikou? Maturit...Data Date #3: Přemysl Horáček - Jak daleko jste s datovou analytikou? Maturit...
Data Date #3: Přemysl Horáček - Jak daleko jste s datovou analytikou? Maturit...Taste
 

Similaire à Datarestart - Big Data v praxi (20)

Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
 
Amamto nápady pro vaše podnikání
Amamto   nápady pro vaše podnikáníAmamto   nápady pro vaše podnikání
Amamto nápady pro vaše podnikání
 
Jak vytvořit fungující prodejní kanál s online podporou?
Jak vytvořit fungující prodejní kanál s online podporou?Jak vytvořit fungující prodejní kanál s online podporou?
Jak vytvořit fungující prodejní kanál s online podporou?
 
Webová analytika (ČZU - Webdesign, 11. 12. 2013)
Webová analytika (ČZU - Webdesign, 11. 12. 2013)Webová analytika (ČZU - Webdesign, 11. 12. 2013)
Webová analytika (ČZU - Webdesign, 11. 12. 2013)
 
Jak úspěšně zavést do firmy webovou analytiku
Jak úspěšně zavést do firmy webovou analytikuJak úspěšně zavést do firmy webovou analytiku
Jak úspěšně zavést do firmy webovou analytiku
 
Rozvoj webové analytiky díky Universal Analytics
Rozvoj webové analytiky díky Universal AnalyticsRozvoj webové analytiky díky Universal Analytics
Rozvoj webové analytiky díky Universal Analytics
 
Jak analyzovat data z vašeho e-shopu - Jan Laštůvka
Jak analyzovat data z vašeho e-shopu - Jan LaštůvkaJak analyzovat data z vašeho e-shopu - Jan Laštůvka
Jak analyzovat data z vašeho e-shopu - Jan Laštůvka
 
Social media monitoring
Social media monitoringSocial media monitoring
Social media monitoring
 
Identifikace cílové skupiny s využitím malých i velkých dat a umělé inteligence
Identifikace cílové skupiny s využitím malých i velkých dat a umělé inteligenceIdentifikace cílové skupiny s využitím malých i velkých dat a umělé inteligence
Identifikace cílové skupiny s využitím malých i velkých dat a umělé inteligence
 
Data Spring - SAS - Visual Analytics jako služba
Data Spring - SAS - Visual Analytics jako službaData Spring - SAS - Visual Analytics jako služba
Data Spring - SAS - Visual Analytics jako služba
 
Rozdíl mezi webovou analytikou a počítadlem návštěvnosti
Rozdíl mezi webovou analytikou a počítadlem návštěvnostiRozdíl mezi webovou analytikou a počítadlem návštěvnosti
Rozdíl mezi webovou analytikou a počítadlem návštěvnosti
 
Webová analytika (ČZU - Webdesign, 21. 11. 2012)
Webová analytika (ČZU - Webdesign, 21. 11. 2012)Webová analytika (ČZU - Webdesign, 21. 11. 2012)
Webová analytika (ČZU - Webdesign, 21. 11. 2012)
 
PPC Date #4: Tomáš Komárek - Vyhodnocování kanálů tvořících poptávku
PPC Date #4: Tomáš Komárek - Vyhodnocování kanálů tvořících poptávkuPPC Date #4: Tomáš Komárek - Vyhodnocování kanálů tvořících poptávku
PPC Date #4: Tomáš Komárek - Vyhodnocování kanálů tvořících poptávku
 
Analytika v B2B světě
Analytika v B2B světěAnalytika v B2B světě
Analytika v B2B světě
 
Měření návštěvnosti - Praktické využití Optimalizátoři.cz
Měření návštěvnosti - Praktické využití Optimalizátoři.czMěření návštěvnosti - Praktické využití Optimalizátoři.cz
Měření návštěvnosti - Praktické využití Optimalizátoři.cz
 
Data Restart 2022: Hana Bartoňková a Vojtěch Říha - Kolik mi vydělá jeden člá...
Data Restart 2022: Hana Bartoňková a Vojtěch Říha - Kolik mi vydělá jeden člá...Data Restart 2022: Hana Bartoňková a Vojtěch Říha - Kolik mi vydělá jeden člá...
Data Restart 2022: Hana Bartoňková a Vojtěch Říha - Kolik mi vydělá jeden člá...
 
8 tipu jak delat lepe webovou analytiku
8 tipu jak delat lepe webovou analytiku8 tipu jak delat lepe webovou analytiku
8 tipu jak delat lepe webovou analytiku
 
BI and the competitive advantage of the business
BI and the competitive advantage of the businessBI and the competitive advantage of the business
BI and the competitive advantage of the business
 
Online marketing & new media | BenedaGroup.com
Online marketing & new media | BenedaGroup.comOnline marketing & new media | BenedaGroup.com
Online marketing & new media | BenedaGroup.com
 
Data Date #3: Přemysl Horáček - Jak daleko jste s datovou analytikou? Maturit...
Data Date #3: Přemysl Horáček - Jak daleko jste s datovou analytikou? Maturit...Data Date #3: Přemysl Horáček - Jak daleko jste s datovou analytikou? Maturit...
Data Date #3: Přemysl Horáček - Jak daleko jste s datovou analytikou? Maturit...
 

Plus de Profinit

Reference Data Management
Reference Data ManagementReference Data Management
Reference Data ManagementProfinit
 
Cloud in examples—(how to) benefit from modern technologies in the cloud
Cloud in examples—(how to) benefit from modern technologies in the cloudCloud in examples—(how to) benefit from modern technologies in the cloud
Cloud in examples—(how to) benefit from modern technologies in the cloudProfinit
 
Building big data pipelines—lessons learned
Building big data pipelines—lessons learnedBuilding big data pipelines—lessons learned
Building big data pipelines—lessons learnedProfinit
 
Understand your data dependencies – Key enabler to efficient modernisation
 Understand your data dependencies – Key enabler to efficient modernisation  Understand your data dependencies – Key enabler to efficient modernisation
Understand your data dependencies – Key enabler to efficient modernisation Profinit
 
Propensity Modelling for Banks
Propensity Modelling for BanksPropensity Modelling for Banks
Propensity Modelling for BanksProfinit
 
Legacy systems modernisation
Legacy systems modernisationLegacy systems modernisation
Legacy systems modernisationProfinit
 
Automating Data Lakes, Data Warehouses and Data Stores
Automating Data Lakes, Data Warehouses and Data StoresAutomating Data Lakes, Data Warehouses and Data Stores
Automating Data Lakes, Data Warehouses and Data StoresProfinit
 
4 Steps Towards Data Transparency
4 Steps Towards Data Transparency4 Steps Towards Data Transparency
4 Steps Towards Data TransparencyProfinit
 
Software systems modernisation
Software systems modernisationSoftware systems modernisation
Software systems modernisationProfinit
 
Odborná snídaně: Datový sklad jako Perpetuum Mobile
Odborná snídaně: Datový sklad jako Perpetuum MobileOdborná snídaně: Datový sklad jako Perpetuum Mobile
Odborná snídaně: Datový sklad jako Perpetuum MobileProfinit
 
Data Science a MLOps v prostředí cloudu
Data Science a MLOps v prostředí clouduData Science a MLOps v prostředí cloudu
Data Science a MLOps v prostředí clouduProfinit
 
Detekce sociálních vazeb: domácnosti a přátelé
Detekce sociálních vazeb: domácnosti a přáteléDetekce sociálních vazeb: domácnosti a přátelé
Detekce sociálních vazeb: domácnosti a přáteléProfinit
 
Výsledky backtestu propensitního modelu
Výsledky backtestu propensitního modeluVýsledky backtestu propensitního modelu
Výsledky backtestu propensitního modeluProfinit
 
Propensitní modelování
Propensitní modelováníPropensitní modelování
Propensitní modelováníProfinit
 
Profinit Webinar: Benefits of Software Systems Modernization over their Repla...
Profinit Webinar: Benefits of Software Systems Modernization over their Repla...Profinit Webinar: Benefits of Software Systems Modernization over their Repla...
Profinit Webinar: Benefits of Software Systems Modernization over their Repla...Profinit
 
Profinit webinar: Instalment Detector
Profinit webinar: Instalment DetectorProfinit webinar: Instalment Detector
Profinit webinar: Instalment DetectorProfinit
 
Profinit_snidane_DWH_22_10_2019_publish
Profinit_snidane_DWH_22_10_2019_publishProfinit_snidane_DWH_22_10_2019_publish
Profinit_snidane_DWH_22_10_2019_publishProfinit
 
2019 09-23-snidane qa-public
2019 09-23-snidane qa-public2019 09-23-snidane qa-public
2019 09-23-snidane qa-publicProfinit
 
2019 03-20 snidane-serie-kuchyne-full
2019 03-20 snidane-serie-kuchyne-full2019 03-20 snidane-serie-kuchyne-full
2019 03-20 snidane-serie-kuchyne-fullProfinit
 
2018 11-28 snidane-serie-kuchyne
2018 11-28 snidane-serie-kuchyne2018 11-28 snidane-serie-kuchyne
2018 11-28 snidane-serie-kuchyneProfinit
 

Plus de Profinit (20)

Reference Data Management
Reference Data ManagementReference Data Management
Reference Data Management
 
Cloud in examples—(how to) benefit from modern technologies in the cloud
Cloud in examples—(how to) benefit from modern technologies in the cloudCloud in examples—(how to) benefit from modern technologies in the cloud
Cloud in examples—(how to) benefit from modern technologies in the cloud
 
Building big data pipelines—lessons learned
Building big data pipelines—lessons learnedBuilding big data pipelines—lessons learned
Building big data pipelines—lessons learned
 
Understand your data dependencies – Key enabler to efficient modernisation
 Understand your data dependencies – Key enabler to efficient modernisation  Understand your data dependencies – Key enabler to efficient modernisation
Understand your data dependencies – Key enabler to efficient modernisation
 
Propensity Modelling for Banks
Propensity Modelling for BanksPropensity Modelling for Banks
Propensity Modelling for Banks
 
Legacy systems modernisation
Legacy systems modernisationLegacy systems modernisation
Legacy systems modernisation
 
Automating Data Lakes, Data Warehouses and Data Stores
Automating Data Lakes, Data Warehouses and Data StoresAutomating Data Lakes, Data Warehouses and Data Stores
Automating Data Lakes, Data Warehouses and Data Stores
 
4 Steps Towards Data Transparency
4 Steps Towards Data Transparency4 Steps Towards Data Transparency
4 Steps Towards Data Transparency
 
Software systems modernisation
Software systems modernisationSoftware systems modernisation
Software systems modernisation
 
Odborná snídaně: Datový sklad jako Perpetuum Mobile
Odborná snídaně: Datový sklad jako Perpetuum MobileOdborná snídaně: Datový sklad jako Perpetuum Mobile
Odborná snídaně: Datový sklad jako Perpetuum Mobile
 
Data Science a MLOps v prostředí cloudu
Data Science a MLOps v prostředí clouduData Science a MLOps v prostředí cloudu
Data Science a MLOps v prostředí cloudu
 
Detekce sociálních vazeb: domácnosti a přátelé
Detekce sociálních vazeb: domácnosti a přáteléDetekce sociálních vazeb: domácnosti a přátelé
Detekce sociálních vazeb: domácnosti a přátelé
 
Výsledky backtestu propensitního modelu
Výsledky backtestu propensitního modeluVýsledky backtestu propensitního modelu
Výsledky backtestu propensitního modelu
 
Propensitní modelování
Propensitní modelováníPropensitní modelování
Propensitní modelování
 
Profinit Webinar: Benefits of Software Systems Modernization over their Repla...
Profinit Webinar: Benefits of Software Systems Modernization over their Repla...Profinit Webinar: Benefits of Software Systems Modernization over their Repla...
Profinit Webinar: Benefits of Software Systems Modernization over their Repla...
 
Profinit webinar: Instalment Detector
Profinit webinar: Instalment DetectorProfinit webinar: Instalment Detector
Profinit webinar: Instalment Detector
 
Profinit_snidane_DWH_22_10_2019_publish
Profinit_snidane_DWH_22_10_2019_publishProfinit_snidane_DWH_22_10_2019_publish
Profinit_snidane_DWH_22_10_2019_publish
 
2019 09-23-snidane qa-public
2019 09-23-snidane qa-public2019 09-23-snidane qa-public
2019 09-23-snidane qa-public
 
2019 03-20 snidane-serie-kuchyne-full
2019 03-20 snidane-serie-kuchyne-full2019 03-20 snidane-serie-kuchyne-full
2019 03-20 snidane-serie-kuchyne-full
 
2018 11-28 snidane-serie-kuchyne
2018 11-28 snidane-serie-kuchyne2018 11-28 snidane-serie-kuchyne
2018 11-28 snidane-serie-kuchyne
 

Datarestart - Big Data v praxi

  • 1. Big data v praxi? Jiří Mach Michal Krčmář
  • 2. 2
  • 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
  • 7. Zpracování interakcí se zákazníkem na našich webových portálech a mobilních aplikacích
  • 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.
  • 9. 10 Jak potom vypadá svět v marketingu?
  • 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
  • 15. 16 CHTS – využití v online marketingu
  • 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
  • 17. 18 Jak to celé funguje?
  • 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
  • 21. Profinit, s.r.o., Tychonova 2, 160 00 Praha 6 Tel: +420 224 316 016, www.profinit.eu Děkujeme za pozornost

Notes de l'éditeur

  1. Urcite uz rada z Vas videla. Protože je hitem dobrych prezentaci o big data, nemohl jsem si dovolit, jej neuvest
  2. V CR tech big dat opravdu moc nemame. Jdeme na to pragmaticky.
  3. 3,14 – několik minut a nakonec nám málem shořel počítač
  4. 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.
  5. 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
  6. 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
  7. Pozvete nas na workshop a my to zaridime za Vas.