SlideShare a Scribd company logo
1 of 9
БОЛЬШИЕ ДАННЫЕ В ТЕЛЕКОМ
ВНУТРЕННЕЕ И ВНЕШНЕЕ ИСПОЛЬЗОВАНИЕ
• высокоточный
маркетинг
• управление качеством
услуг для клиента
• оптимизация
внутренней работы
• поиск направлений
стратегического
развития
• монетизация
накопленных данных
• финансовый сектор
• розничная и online-
торговля
• государственные
услуги (ЖКХ)
ВНУТРЕННИЙ КЕЙС: ОТТОК АБОНЕНТОВ 1/2
OBJECTIVE: прогноз оттока клиентов
KPI: точность прогноза
VALUE: удержание клиентов / повышение
лояльности
ОТТОК АБОНЕНТОВ: РЕАЛИЗАЦИЯ 2/2
BRAINSTORM: поиск новых источников
данных, новых предикторов
RESEARCH: создание и поиск переменных.
моделей / выявление требований к IT
DEVELOPMENT: тюнинг алгоритмов,
подготовка к релизу
PRODUCTION: пилот и rollout
ВНЕШНИЙ КЕЙС: БАНКИ 1/2
OBJECTIVE: создание универсального
продукта для усиления скорринговых систем
KPI: повышение точности модели /
надежность / универсальность
VALUE: выгодное сотрудничество с банками
ВНЕШНИЙ КЕЙС: БАНКИ 2/2
BRAINSTORM: какие данные есть у
банков / что мы можем им дать?
RESEARCH: анализ моделей банка, поиск
возможностей улучшений, понимание
возможностей интеграции / IT
DEVELOPMENT: финализация переменных
/ моделей, подготовка к встраиванию в конвейер
PRODUCTION: интеграция и запуск,
дальнейшая универсализация
МОЙ ПЛАН ДЕЙСТВИЙ
• исследовать данные, технологии,
принять участие в проектах
• улучшить текущие процессы и
реализовать новые
• найти новые возможности
использования данных для бизнеса
ЧТО НАС ЖДЕТ?
• раскрытие потенциала больших данных
• неожиданные инсайты для стратегического
развития
• создание универсальных продуктов для
бизнеса (банки, продажи, государственные
услуги)
P.S. ОНИ СУЩЕСТВУЮТ ИЛИ НЕСКРОМНО О СЕБЕ

More Related Content

Viewers also liked

Xtrem n p1560t
Xtrem n p1560tXtrem n p1560t
Xtrem n p1560tDevanceiro
 
ИТМО Machine Learning 2016. Рекомендательные системы
ИТМО Machine Learning 2016. Рекомендательные системыИТМО Machine Learning 2016. Рекомендательные системы
ИТМО Machine Learning 2016. Рекомендательные системыAndrey Danilchenko
 
ИТМО Machine Learning. Рекомендательные системы — часть 2
ИТМО Machine Learning. Рекомендательные системы — часть 2ИТМО Machine Learning. Рекомендательные системы — часть 2
ИТМО Machine Learning. Рекомендательные системы — часть 2Andrey Danilchenko
 
ITMO RecSys course. Autumn 2014. Lecture 6
ITMO RecSys course. Autumn 2014. Lecture 6ITMO RecSys course. Autumn 2014. Lecture 6
ITMO RecSys course. Autumn 2014. Lecture 6Andrey Danilchenko
 
Юлмарт. История создания, Дмитрий Завалишин (DZ Systems)
Юлмарт. История создания, Дмитрий Завалишин (DZ Systems)Юлмарт. История создания, Дмитрий Завалишин (DZ Systems)
Юлмарт. История создания, Дмитрий Завалишин (DZ Systems)Ontico
 
ИТМО Machine Learning 2015. Рекомендательные системы
ИТМО Machine Learning 2015. Рекомендательные системыИТМО Machine Learning 2015. Рекомендательные системы
ИТМО Machine Learning 2015. Рекомендательные системыAndrey Danilchenko
 
Пери Инновации - Боты машинное обучение и искусственный интеллект
Пери Инновации - Боты машинное обучение и искусственный интеллектПери Инновации - Боты машинное обучение и искусственный интеллект
Пери Инновации - Боты машинное обучение и искусственный интеллектMicrosoft
 
Алексей Натекин (Deloitte)
Алексей Натекин (Deloitte)Алексей Натекин (Deloitte)
Алексей Натекин (Deloitte)Edutainme
 
Александр Петров (E-contenta)
Александр Петров (E-contenta)Александр Петров (E-contenta)
Александр Петров (E-contenta)Edutainme
 
Антон Конушин (НИУ ВШЭ)
Антон Конушин (НИУ ВШЭ)Антон Конушин (НИУ ВШЭ)
Антон Конушин (НИУ ВШЭ)Edutainme
 
Кадомский Сергей - Как продать аналитику бизнесу - Wargaming
Кадомский Сергей - Как продать аналитику бизнесу - WargamingКадомский Сергей - Как продать аналитику бизнесу - Wargaming
Кадомский Сергей - Как продать аналитику бизнесу - WargamingWG_ Events
 
Григорий Сапунов (eclass)
Григорий Сапунов (eclass)Григорий Сапунов (eclass)
Григорий Сапунов (eclass)Edutainme
 
Григорий Бакунов (Яндекс)
Григорий Бакунов (Яндекс)Григорий Бакунов (Яндекс)
Григорий Бакунов (Яндекс)Edutainme
 
Александр Семенов (НИУ ВШЭ)
Александр Семенов (НИУ ВШЭ)Александр Семенов (НИУ ВШЭ)
Александр Семенов (НИУ ВШЭ)Edutainme
 
51 Use Cases and implications for HPC & Apache Big Data Stack
51 Use Cases and implications for HPC & Apache Big Data Stack51 Use Cases and implications for HPC & Apache Big Data Stack
51 Use Cases and implications for HPC & Apache Big Data StackGeoffrey Fox
 
Лекция №7 "Машина опорных векторов"
Лекция №7 "Машина опорных векторов" Лекция №7 "Машина опорных векторов"
Лекция №7 "Машина опорных векторов" Technosphere1
 
Александра Кирсанова "Использование Data mining"
Александра Кирсанова "Использование Data mining"Александра Кирсанова "Использование Data mining"
Александра Кирсанова "Использование Data mining"Cossa
 
Лекция №6 "Линейные модели для классификации и регрессии"
Лекция №6 "Линейные модели для классификации и регрессии" Лекция №6 "Линейные модели для классификации и регрессии"
Лекция №6 "Линейные модели для классификации и регрессии" Technosphere1
 

Viewers also liked (20)

Xtrem n p1560t
Xtrem n p1560tXtrem n p1560t
Xtrem n p1560t
 
ИТМО Machine Learning 2016. Рекомендательные системы
ИТМО Machine Learning 2016. Рекомендательные системыИТМО Machine Learning 2016. Рекомендательные системы
ИТМО Machine Learning 2016. Рекомендательные системы
 
ИТМО Machine Learning. Рекомендательные системы — часть 2
ИТМО Machine Learning. Рекомендательные системы — часть 2ИТМО Machine Learning. Рекомендательные системы — часть 2
ИТМО Machine Learning. Рекомендательные системы — часть 2
 
ITMO RecSys course. Autumn 2014. Lecture 6
ITMO RecSys course. Autumn 2014. Lecture 6ITMO RecSys course. Autumn 2014. Lecture 6
ITMO RecSys course. Autumn 2014. Lecture 6
 
SECON'2014 - Андрей Устюжанин - Маленькие секреты больших данных
SECON'2014 - Андрей Устюжанин - Маленькие секреты больших данныхSECON'2014 - Андрей Устюжанин - Маленькие секреты больших данных
SECON'2014 - Андрей Устюжанин - Маленькие секреты больших данных
 
Юлмарт. История создания, Дмитрий Завалишин (DZ Systems)
Юлмарт. История создания, Дмитрий Завалишин (DZ Systems)Юлмарт. История создания, Дмитрий Завалишин (DZ Systems)
Юлмарт. История создания, Дмитрий Завалишин (DZ Systems)
 
ИТМО Machine Learning 2015. Рекомендательные системы
ИТМО Machine Learning 2015. Рекомендательные системыИТМО Machine Learning 2015. Рекомендательные системы
ИТМО Machine Learning 2015. Рекомендательные системы
 
Пери Инновации - Боты машинное обучение и искусственный интеллект
Пери Инновации - Боты машинное обучение и искусственный интеллектПери Инновации - Боты машинное обучение и искусственный интеллект
Пери Инновации - Боты машинное обучение и искусственный интеллект
 
Алексей Натекин (Deloitte)
Алексей Натекин (Deloitte)Алексей Натекин (Deloitte)
Алексей Натекин (Deloitte)
 
Александр Петров (E-contenta)
Александр Петров (E-contenta)Александр Петров (E-contenta)
Александр Петров (E-contenta)
 
Антон Конушин (НИУ ВШЭ)
Антон Конушин (НИУ ВШЭ)Антон Конушин (НИУ ВШЭ)
Антон Конушин (НИУ ВШЭ)
 
Кадомский Сергей - Как продать аналитику бизнесу - Wargaming
Кадомский Сергей - Как продать аналитику бизнесу - WargamingКадомский Сергей - Как продать аналитику бизнесу - Wargaming
Кадомский Сергей - Как продать аналитику бизнесу - Wargaming
 
Григорий Сапунов (eclass)
Григорий Сапунов (eclass)Григорий Сапунов (eclass)
Григорий Сапунов (eclass)
 
NVIDIA Deep Learning.
NVIDIA Deep Learning. NVIDIA Deep Learning.
NVIDIA Deep Learning.
 
Григорий Бакунов (Яндекс)
Григорий Бакунов (Яндекс)Григорий Бакунов (Яндекс)
Григорий Бакунов (Яндекс)
 
Александр Семенов (НИУ ВШЭ)
Александр Семенов (НИУ ВШЭ)Александр Семенов (НИУ ВШЭ)
Александр Семенов (НИУ ВШЭ)
 
51 Use Cases and implications for HPC & Apache Big Data Stack
51 Use Cases and implications for HPC & Apache Big Data Stack51 Use Cases and implications for HPC & Apache Big Data Stack
51 Use Cases and implications for HPC & Apache Big Data Stack
 
Лекция №7 "Машина опорных векторов"
Лекция №7 "Машина опорных векторов" Лекция №7 "Машина опорных векторов"
Лекция №7 "Машина опорных векторов"
 
Александра Кирсанова "Использование Data mining"
Александра Кирсанова "Использование Data mining"Александра Кирсанова "Использование Data mining"
Александра Кирсанова "Использование Data mining"
 
Лекция №6 "Линейные модели для классификации и регрессии"
Лекция №6 "Линейные модели для классификации и регрессии" Лекция №6 "Линейные модели для классификации и регрессии"
Лекция №6 "Линейные модели для классификации и регрессии"
 

Similar to Большие данные в телеком

Ирина Елистратова, Альфа-Банк: Данныедля создания ценности клиенту
Ирина Елистратова, Альфа-Банк:  Данныедля создания ценности клиентуИрина Елистратова, Альфа-Банк:  Данныедля создания ценности клиенту
Ирина Елистратова, Альфа-Банк: Данныедля создания ценности клиентуБанковское обозрение
 
CPAExchange Екатерина Шинкевич: вступительное слово. Куда движется performanc...
CPAExchange Екатерина Шинкевич: вступительное слово. Куда движется performanc...CPAExchange Екатерина Шинкевич: вступительное слово. Куда движется performanc...
CPAExchange Екатерина Шинкевич: вступительное слово. Куда движется performanc...CPAex
 
Персональные данные организации
Персональные данные организацииПерсональные данные организации
Персональные данные организацииAlexey Fedorischev
 
Большие данные в маркетинге: обработка, хранение, монетизация (Big Data 2017)
Большие данные в маркетинге: обработка, хранение, монетизация (Big Data 2017)Большие данные в маркетинге: обработка, хранение, монетизация (Big Data 2017)
Большие данные в маркетинге: обработка, хранение, монетизация (Big Data 2017)CleverDATA
 
Продуктовый подход в заказной разработке цифровых продуктов
Продуктовый подход в заказной разработке цифровых продуктовПродуктовый подход в заказной разработке цифровых продуктов
Продуктовый подход в заказной разработке цифровых продуктовCreate Digital
 
Фидбек. План проекта из книги "Фидбэк"
Фидбек. План проекта из книги "Фидбэк"Фидбек. План проекта из книги "Фидбэк"
Фидбек. План проекта из книги "Фидбэк"Елена Золина
 
От Больших данных к знаниям: преимущества для операторов связи
От Больших данных  к знаниям: преимущества  для операторов связиОт Больших данных  к знаниям: преимущества  для операторов связи
От Больших данных к знаниям: преимущества для операторов связиYuri Yashkin
 
Продуктовый подход в заказной разработке
Продуктовый подход в заказной разработкеПродуктовый подход в заказной разработке
Продуктовый подход в заказной разработкеSPECIA
 
Управление качеством клиентского портфеля “по- умному”.
Управление качеством клиентского портфеля “по- умному”. Управление качеством клиентского портфеля “по- умному”.
Управление качеством клиентского портфеля “по- умному”. iECARUS
 
Cpa ex общая_презентация_210515
Cpa ex общая_презентация_210515Cpa ex общая_презентация_210515
Cpa ex общая_презентация_210515CPAex
 
От больших данных к знаниям: преимущества для операторов связи
От больших данных к знаниям: преимущества для операторов связиОт больших данных к знаниям: преимущества для операторов связи
От больших данных к знаниям: преимущества для операторов связиElizaveta Alekseeva
 
Лидогенерация Seonews 26072013
Лидогенерация Seonews 26072013Лидогенерация Seonews 26072013
Лидогенерация Seonews 26072013AMDG
 
Bongo R&D – ДБО 2015
Bongo R&D – ДБО 2015Bongo R&D – ДБО 2015
Bongo R&D – ДБО 2015Pavel Guzhikov
 
Как определить экономические и коммуникативные результаты Intranet
Как определить экономические и коммуникативные результаты IntranetКак определить экономические и коммуникативные результаты Intranet
Как определить экономические и коммуникативные результаты IntranetЕСМ-Консалтинг
 
Технологии создания доверенной среды аутентификации клиентов и их транзакций
Технологии создания доверенной среды аутентификации клиентов и их транзакцийТехнологии создания доверенной среды аутентификации клиентов и их транзакций
Технологии создания доверенной среды аутентификации клиентов и их транзакцийКРОК
 
Leadguard. Факультатив. Системы business-intelligence
Leadguard. Факультатив. Системы business-intelligenceLeadguard. Факультатив. Системы business-intelligence
Leadguard. Факультатив. Системы business-intelligenceЕкатерина Сорокина
 

Similar to Большие данные в телеком (20)

Политика построения онлайн продаж банковских продуктов
Политика построения онлайн продаж банковских продуктовПолитика построения онлайн продаж банковских продуктов
Политика построения онлайн продаж банковских продуктов
 
Ирина Елистратова, Альфа-Банк: Данныедля создания ценности клиенту
Ирина Елистратова, Альфа-Банк:  Данныедля создания ценности клиентуИрина Елистратова, Альфа-Банк:  Данныедля создания ценности клиенту
Ирина Елистратова, Альфа-Банк: Данныедля создания ценности клиенту
 
CPAExchange Екатерина Шинкевич: вступительное слово. Куда движется performanc...
CPAExchange Екатерина Шинкевич: вступительное слово. Куда движется performanc...CPAExchange Екатерина Шинкевич: вступительное слово. Куда движется performanc...
CPAExchange Екатерина Шинкевич: вступительное слово. Куда движется performanc...
 
Персональные данные организации
Персональные данные организацииПерсональные данные организации
Персональные данные организации
 
Большие данные в маркетинге: обработка, хранение, монетизация (Big Data 2017)
Большие данные в маркетинге: обработка, хранение, монетизация (Big Data 2017)Большие данные в маркетинге: обработка, хранение, монетизация (Big Data 2017)
Большие данные в маркетинге: обработка, хранение, монетизация (Big Data 2017)
 
Продуктовый подход в заказной разработке цифровых продуктов
Продуктовый подход в заказной разработке цифровых продуктовПродуктовый подход в заказной разработке цифровых продуктов
Продуктовый подход в заказной разработке цифровых продуктов
 
Around
AroundAround
Around
 
Фидбек. План проекта из книги "Фидбэк"
Фидбек. План проекта из книги "Фидбэк"Фидбек. План проекта из книги "Фидбэк"
Фидбек. План проекта из книги "Фидбэк"
 
От Больших данных к знаниям: преимущества для операторов связи
От Больших данных  к знаниям: преимущества  для операторов связиОт Больших данных  к знаниям: преимущества  для операторов связи
От Больших данных к знаниям: преимущества для операторов связи
 
Продуктовый подход в заказной разработке
Продуктовый подход в заказной разработкеПродуктовый подход в заказной разработке
Продуктовый подход в заказной разработке
 
Управление качеством клиентского портфеля “по- умному”.
Управление качеством клиентского портфеля “по- умному”. Управление качеством клиентского портфеля “по- умному”.
Управление качеством клиентского портфеля “по- умному”.
 
Основы маркетинговых исследований _ Алексей Шевчук _ businessresearch.by
Основы маркетинговых исследований _ Алексей Шевчук _ businessresearch.byОсновы маркетинговых исследований _ Алексей Шевчук _ businessresearch.by
Основы маркетинговых исследований _ Алексей Шевчук _ businessresearch.by
 
Cpa ex общая_презентация_210515
Cpa ex общая_презентация_210515Cpa ex общая_презентация_210515
Cpa ex общая_презентация_210515
 
От больших данных к знаниям: преимущества для операторов связи
От больших данных к знаниям: преимущества для операторов связиОт больших данных к знаниям: преимущества для операторов связи
От больших данных к знаниям: преимущества для операторов связи
 
Лидогенерация_Seonews_26072013
Лидогенерация_Seonews_26072013Лидогенерация_Seonews_26072013
Лидогенерация_Seonews_26072013
 
Лидогенерация Seonews 26072013
Лидогенерация Seonews 26072013Лидогенерация Seonews 26072013
Лидогенерация Seonews 26072013
 
Bongo R&D – ДБО 2015
Bongo R&D – ДБО 2015Bongo R&D – ДБО 2015
Bongo R&D – ДБО 2015
 
Как определить экономические и коммуникативные результаты Intranet
Как определить экономические и коммуникативные результаты IntranetКак определить экономические и коммуникативные результаты Intranet
Как определить экономические и коммуникативные результаты Intranet
 
Технологии создания доверенной среды аутентификации клиентов и их транзакций
Технологии создания доверенной среды аутентификации клиентов и их транзакцийТехнологии создания доверенной среды аутентификации клиентов и их транзакций
Технологии создания доверенной среды аутентификации клиентов и их транзакций
 
Leadguard. Факультатив. Системы business-intelligence
Leadguard. Факультатив. Системы business-intelligenceLeadguard. Факультатив. Системы business-intelligence
Leadguard. Факультатив. Системы business-intelligence
 

Большие данные в телеком

  • 2. ВНУТРЕННЕЕ И ВНЕШНЕЕ ИСПОЛЬЗОВАНИЕ • высокоточный маркетинг • управление качеством услуг для клиента • оптимизация внутренней работы • поиск направлений стратегического развития • монетизация накопленных данных • финансовый сектор • розничная и online- торговля • государственные услуги (ЖКХ)
  • 3. ВНУТРЕННИЙ КЕЙС: ОТТОК АБОНЕНТОВ 1/2 OBJECTIVE: прогноз оттока клиентов KPI: точность прогноза VALUE: удержание клиентов / повышение лояльности
  • 4. ОТТОК АБОНЕНТОВ: РЕАЛИЗАЦИЯ 2/2 BRAINSTORM: поиск новых источников данных, новых предикторов RESEARCH: создание и поиск переменных. моделей / выявление требований к IT DEVELOPMENT: тюнинг алгоритмов, подготовка к релизу PRODUCTION: пилот и rollout
  • 5. ВНЕШНИЙ КЕЙС: БАНКИ 1/2 OBJECTIVE: создание универсального продукта для усиления скорринговых систем KPI: повышение точности модели / надежность / универсальность VALUE: выгодное сотрудничество с банками
  • 6. ВНЕШНИЙ КЕЙС: БАНКИ 2/2 BRAINSTORM: какие данные есть у банков / что мы можем им дать? RESEARCH: анализ моделей банка, поиск возможностей улучшений, понимание возможностей интеграции / IT DEVELOPMENT: финализация переменных / моделей, подготовка к встраиванию в конвейер PRODUCTION: интеграция и запуск, дальнейшая универсализация
  • 7. МОЙ ПЛАН ДЕЙСТВИЙ • исследовать данные, технологии, принять участие в проектах • улучшить текущие процессы и реализовать новые • найти новые возможности использования данных для бизнеса
  • 8. ЧТО НАС ЖДЕТ? • раскрытие потенциала больших данных • неожиданные инсайты для стратегического развития • создание универсальных продуктов для бизнеса (банки, продажи, государственные услуги)
  • 9. P.S. ОНИ СУЩЕСТВУЮТ ИЛИ НЕСКРОМНО О СЕБЕ