Aa Aa Aa
Aa Aa Aa
Прочитати вголос
Зупинити читання

5 технологічних викликів, які Data Science допоможе подолати

5 tehnologičnyh vyklykiv, jaki Data Science dopomože podolaty

Data Science отримує багато нових можливостей застосування в бізнесі. За допомогою великих даних стало можливим вирішити низку завдань — від запуску машинного зору до формування комплексних бізнес-метрик чи персоналізованих рекламних пропозицій. Однак у цієї молодої сфери знань попереду ще чимало викликів. Експерти AGAMA Communications — про 5 головних викликів для фахівців із data-science
Data Science otrymuje bagato novyh možlyvostej zastosuvannja v biznesi. Za dopomogoju velykyh danyh stalo možlyvym vyrišyty nyzku zavdań — vid zapusku mašynnogo zoru do formuvannja kompleksnyh biznes-metryk čy personalizovanyh reklamnyh propozycij. Odnak u cijeї molodoї sfery znań poperedu šče čymalo vyklykiv. Eksperty AGAMA Communications — pro 5 golovnyh vyklykiv dlja fahivciv iz data-science
Čytaty latynkoju

Спеціальні можливості

Прочитати вголос
Зупинити читання
Контрастна версія
  Подолання впливу людини. Машинне навчання, штучні нейронні мережі, великі дані, data science — усі ці розумні терміни про одне: вони дають змогу техніці поєднувати переваги високої швидкості комп’ютерної обробки даних з можливістю навчання за допомогою прикладів, що вже існують. Після налагодження алгоритмів на основі первинної виборки програма отримує можливість за мінімальної участі людини робити висновки й вибудовувати моделі, засвоюючи закономірності великих даних. Але навіть у цьому випадку людський фактор продовжує впливати. Програма вчиться обробляти дані та робити висновки на підставі заздалегідь підібраних прикладів. Що їх більше — то вища ймовірність успішного навчання. Але якщо кількісні показники контролювати нескладно, то якісні — зовсім інша справа. Суб’єктивна складова людського впливу знижує ефективність Big Data як самостійного інструменту. Йдеться про різні неточності на кшталт неправильного вибору даних для навчання або подальшого аналізу, неточна інтерпретація отриманого результату, ігнорування окремих каналів отримання інформації. Припинення безглуздого протистояння реклами та AdBlock. Уже не перший рік точиться війна між цифровими видавцями, які прагнуть показати свій рекламний контент найбільшому колу людей, і користувачами. Останіх втомили навязливі банери та сайти. Вони схожі на новорічну ялинку, під якою замість подарунків — десятки спливаючих вікон та збір персональних даних. За даними дослідження PageFair, рівень використання блокувальників реклами постійно зростає по всьому світові. Проте 77% користувачів відзначають, що не проти бачити рекламу в цілому — головне, щоби вона була релевантною і ненавязливою.   Аналіз цифрового сліду на основі великих даних для формування персоналізованих пропозицій вже зараз демонструє набагато вищу ефективність у порівнянні з килимовим бомбардуванням банерами. Проте протистояння двох підходів триває. Лише наполегливе, системне застосування data-обґрунтованих рішень може змінити ситуацію та перевести на вищий рівень якості взаємодію джерел контенту та їхніх споживачів. Примирення креативності та дата-обґрунтованості. Часом доводиться чути думку, ніби data-обґрунтовані рішення несумісні зі справжнім креативом. Водночас, деякі прихильники великих даних вважають, що креатив не потрібен — достатньо зробити пропозицію максимально персоналізованою і своєчасною. Натомість вже є достатньо успішних кейсів, які демонструють, що найкращих результатів досягти можна у випадку, якщо креатив створюють на основі BigData-моделей. Це — просто 2 етапи однієї якісно виконаної роботи: пошук інсайтів за допомогою розумних алгоритмів, виявлення або формування ніш, розробка релевантного та оригінального контенту, що відповідає запитам цільової аудиторії. Віднайдення етики та принципів поведінки у світі великих даних. У 2018 році цифрову сферу сколихнула низка скандалів, повязаних з витоками та можливим застосуванням персональних даних із соціальних мереж. Найбільший суспільний резонанс викликало використання психологічних портретів десятків мільйонів користувачів Facebook компанією Cambridge Analytica для впливу на результати виборів по всьому світу. Джина випустили з пляшки, а наступний скандал спричинив до важких репутаційних втрат компанії Facebook і до найістотнішого зниження капіталізації за всю її історію. Станом на 2018 рік великі дані є величезною цінністю і потужною конкурентною перевагою, але прозорі та загальноприйняті правила поводження з ними тільки формують. І, на жаль, поки масиви інформації не завжди використовуються чесно й прозоро. Обєднання можливостей Big Data та Thick Data. Можливості технологій Big Data зростають з кожним днем. Відтак є велика спокуса використовувати результати роботи спеціалістів із data-science для вирішення всіх без винятку завдань. Проаналізувати великі дані і виявити закономірності, на основі яких можна створити наближену до реальності модель, — це прорив в порівнянні з традиційними методами роботи на рекламному і комунікаційному ринках. Проте навіть Big Data — це тільки частина інформації, хоча й досить значна. Надмірне занурення у світ великих даних може стати причиною великої проблеми — відриву отриманої картини від важливого емоційного контексту. Уникнути цього допоможе Thick Data — якісна інформація, заснована на реальних історіях конкретних користувачів. Саме Thick Data генерує інсайти, що дають змогу зрозуміти споживача, і які в подальшому можна значно доповнити вже з використанням інструментів Big Data. Одне без іншого не дасть відчутної користі.

Подолання впливу людини

«Машинне навчання», «штучні нейронні мережі», «великі дані», data science — усі ці розумні терміни про одне: вони дають змогу техніці поєднувати переваги високої швидкості комп’ютерної обробки даних з можливістю навчання за допомогою прикладів, що вже існують. Після налагодження алгоритмів на основі первинної виборки програма отримує можливість за мінімальної участі людини робити висновки й вибудовувати моделі, засвоюючи закономірності «великих даних». Але навіть у цьому випадку «людський фактор» продовжує впливати.

Програма вчиться обробляти дані та робити висновки на підставі заздалегідь підібраних прикладів. Що їх більше — то вища ймовірність успішного навчання. Але якщо кількісні показники контролювати нескладно, то якісні — зовсім інша справа. Суб’єктивна складова людського впливу знижує ефективність Big Data як самостійного інструменту. Йдеться про різні неточності на кшталт неправильного вибору даних для навчання або подальшого аналізу, неточна інтерпретація отриманого результату, ігнорування окремих каналів отримання інформації.

Припинення безглуздого протистояння реклами та AdBlock

Уже не перший рік точиться війна між цифровими видавцями, які прагнуть показати свій рекламний контент найбільшому колу людей, і користувачами. Останіх втомили нав’язливі банери та сайти. Вони схожі на новорічну ялинку, під якою замість подарунків — десятки спливаючих вікон та збір персональних даних. За даними дослідження PageFair, рівень використання блокувальників реклами постійно зростає по всьому світові. Проте 77% користувачів відзначають, що не проти бачити рекламу в цілому — головне, щоби вона була релевантною і ненав’язливою.  

Читайте також: Як Китай збирається використовувати великі дані

Аналіз «цифрового сліду» на основі великих даних для формування персоналізованих пропозицій вже зараз демонструє набагато вищу ефективність у порівнянні з «килимовим бомбардуванням» банерами. Проте протистояння двох підходів триває. Лише наполегливе, системне застосування data-обґрунтованих рішень може змінити ситуацію та перевести на вищий рівень якості взаємодію джерел контенту та їхніх споживачів.

Примирення креативності та дата-обґрунтованості

Часом доводиться чути думку, ніби data-обґрунтовані рішення несумісні зі справжнім креативом. Водночас, деякі прихильники великих даних вважають, що креатив не потрібен — достатньо зробити пропозицію максимально персоналізованою і своєчасною.

Натомість вже є достатньо успішних кейсів, які демонструють, що найкращих результатів досягти можна у випадку, якщо креатив створюють на основі BigData-моделей. Це — просто 2 етапи однієї якісно виконаної роботи:

  • пошук інсайтів за допомогою розумних алгоритмів, виявлення або формування ніш,
  • розробка релевантного та оригінального контенту, що відповідає запитам цільової аудиторії.

Віднайдення етики та принципів поведінки у світі «великих даних»

Читайте також: Data Scientist — хто це такий і чи варто обирати цей фах

У 2018 році цифрову сферу сколихнула низка скандалів, пов’язаних з витоками та можливим застосуванням персональних даних із соціальних мереж. Найбільший суспільний резонанс викликало використання психологічних портретів десятків мільйонів користувачів Facebook компанією Cambridge Analytica для впливу на результати виборів по всьому світу. Джина випустили з пляшки, а наступний скандал спричинив до важких репутаційних втрат компанії Facebook і до найістотнішого зниження капіталізації за всю її історію.

Станом на 2018 рік «великі дані» є величезною цінністю і потужною конкурентною перевагою, але прозорі та загальноприйняті правила поводження з ними тільки формують. І, на жаль, поки масиви інформації не завжди використовуються чесно й прозоро.

Об’єднання можливостей Big Data та Thick Data

Читайте також: Big data та blockchain в державних установах України — бути чи не бути

Можливості технологій Big Data зростають з кожним днем. Відтак є велика спокуса використовувати результати роботи спеціалістів із data-science для вирішення всіх без винятку завдань. Проаналізувати «великі дані» і виявити закономірності, на основі яких можна створити наближену до реальності модель, — це прорив в порівнянні з традиційними методами роботи на рекламному і комунікаційному ринках. Проте навіть Big Data — це тільки частина інформації, хоча й досить значна.

Надмірне занурення у світ «великих даних» може стати причиною великої проблеми — відриву отриманої картини від важливого емоційного контексту. Уникнути цього допоможе Thick Data — якісна інформація, заснована на реальних історіях конкретних користувачів. Саме Thick Data генерує інсайти, що дають змогу зрозуміти споживача, і які в подальшому можна значно доповнити вже з використанням інструментів Big Data. Одне без іншого не дасть відчутної користі.

Наталія Дадівєріна

PhD, CEO PLEON Talan, Reputation management Director AGAMA Communications

Якщо ви знайшли помилку, будь ласка, виділіть фрагмент тексту та натисніть Ctrl+Enter.

Додати коментар

Такий e-mail вже зареєстровано. Скористуйтеся формою входу або введіть інший.

Ви вказали некоректні логін або пароль

Вибачте, для коментування необхідно увійти.
Ще

Повідомити про помилку

Текст, який буде надіслано нашим редакторам: