digital transformation 101

Digital Transformation

Marketing Technology Big Data

http://denreymer.com

http://denreymer.cpm © Den Reymer, 2015

•  В каком мире мы сейчас живем •  Для бизнеса нужен Клиент - Кто он сегодня.

•  Что является основной валютой нового мира.

•  «Матчасть» Цифрового Мира •  Что Вы должны сделать завтра


2000


Появление Новых Бизнес Моделей, объединяющих физический и цифровой миры

2015 год – Все говорят про Цифровой Бизнес


Digital

Силы, меняющие мир: •  Мобильность •  Социализация •  Информация •  Облачные технологии


Число устройств, подключенных к Интернет 1984 год – 1 000

2012 год – 17 000 000 000 2020 год – БОЛЕЕ 50 млрд

На каждого жителя Земли будет минимум по 4

устройства подключенных к Интернет


За 2013-2015 год число людей в

Интернет выросло на

18,5% и сегодня составляет

3 200 000 000


За лето 2015 Airbnb разместили

17 000 000 человек

За 5 лет число выросло в 353 раза


Компании меняющие индустрии

Книжные магазины Отели

Автомобили Такси

Музыка Точки продаж

Реклама Торговля


Что вы напечатаете себе на ужин?


КЛЮЧЕВЫЕ ТЕХНОЛОГИЧЕСКИЕ ТРЕНДЫ


КЛЮЧЕВЫЕ ТЕХНОЛОГИЧЕСКИЕ ТРЕНДЫ

«Облака» «Интернет Вещей» «Анализ данных» «Умные машины»


Современный Клиент – кто он?


«Все» в кармане


Как достучаться до клиента? Если он живет в телефоне!


КЛИЕНТ ОСТАВЛЯЕТ ЦИФРОВЫЕ СЛЕДЫ


Компания знает много о своих клиентах. Но часто этого не достаточно.

Мобильные операторы, Банки, Магазины опираются в принятии решений на информацию, которую оставил

клиент при взаимодействии с ними


Не переживай, это просто маркетолог собирает о нас

информацию, чтобы показывать нам

релевантную рекламу.


Где еще «наследил» Клиент

•  Посещения веб-ресурсов •  Социальные сети •  SMS-рассылки •  История платежей •  История перемещений •  Данные о покупках •  Профиль в мобильной сети оператора •  Интересы, Намерения и многое другое


Если мы сможем собрать все «следы» Клиента в единую

картину, мы сможем понять, что нужно Клиенту в данный

момент времени?


В Digital мире основная валюта –

Данные о Клиентах В принципе о вас известно все….


Да ладно… ?!


Как минимум известны Ваши Интересы, Намерения, возраст, пол, где

живете и многое другое. А так же известно как с вами лучше всего связаться,

чтобы вы откликнулись на предложение


Даже не пытайтесь прятаться J


Сегодня задачи Извлечения Пользы из Знаний о Клиенте лежит на

Маркетинге


Понимание Клиента = Бизнес-Приоритет №1 (Опрос Gartner CEO компаний в 2015 году)

Знать все о клиенте Доставлять ценность Персонально С минимальными издержками

Ключевые задачи


Может быть, вы уже слышали…

“ В 2017 году CMO будут тратить на технологии больше, чем CIO ”

CMO -‐ Chief Marke-ng Officer CTO -‐ Chief Informa-on Officer


Для Маркетинга сегодня доступно больше всего ИТ-решений из всех Бизнес направлений

(более 2000 компаний, число которых растет каждый год)


Одна из сложнейших задач – помочь клиентам разобраться

в многообразии решений и пройти путь

трансформации


В чем сложность работы с Большими Данными

Данных

Уже Много

Данные

Это Поток

Данные

Разнообразны

Данные

Недостоверны


В чем сложность работы с Большими Данными

Данных

Уже Много

Данные

Это Поток

Данные

Разнообразны

Данные

Недостоверны

1) Большие Данные – это поток данных, который

невозможно обработать вручную. 2) Только, если «смотреть» на весь объем данных, можно

найти что-то значимое.


1) Технологии работы с большими данными


hadoop R NoSQL


К 2020 году объем только рынка “Hadoop-as-a-Service” превысит $50 млрд. Forrester


2) ИСКУСCТВЕННЫЙ ИНТЕЛЛЕКТ


НАЙДИ БИГ ДАТУ?


Чтобы данные приносили пользу их нужно уметь анализировать.

Чтобы извлекать из данных знания, нужно обучить искусственный интеллект.

Без обучения «черный ящик» останется «ящиком»

Построение предиктивных моделей

Data Preprocessing

Feature Engineering

Feature Selecjon

Machine Learning

•  Необходимая обработка данных: очистка шумов, выбросов. Приведение данных к нормальному виду

•  Генерация факторов и признаков в модели. Поиск скрытых паттернов

•  Выбор предикторов, выявление значимых закономерностей

•  Построение модели алгоритмами машинного обучения, тюнинг модели

•  Тестирование модели на реальных данных Back Tesjng


«Джентельменский набор Data Scientist’а» http://denreymer.com/data-scientist

•  Матчасть. Статистика. •  Программирование. •  Машинное обучение. •  Анализ текстов. NLP (Natural Language Processing). •  Визуализация. •  Извлечение данных. Интеграция с системами, умение «слушать» потоки информации;

•  Обогащение данных. Трансформация, объединение из разных источников, нормализация;

•  Технологии Больших Данных, Инструменты. Java, Python, R, Hadoop, Spark, ELK и многие другие.


Кто нужен рынку в ближайшие годы:

Data Scienjst Big Data Architect Chief Data Officer Chief Digital Officer

Chief Innovajon Officer Digital Markejng Technologist


Бизнес Технологии

Данные / Data Science

Маркетинг

Хотите быть №1? Учитесь объединять навыки и знания

Digital Transformation


Остались вопросы? http://denreymer.com