SlideShare a Scribd company logo
1 of 23
Download to read offline
Company	
  Profile	
  
Make	
  your	
  data	
  clever	
  
Big	
  Data	
  в	
  Маркетинге	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Make	
  your	
  data	
  clever	
  
Развитие	
  	
  бизнеса	
  	
  
на	
  	
  международном	
  	
  
рынке	
  с	
  2012	
  года	
  
Входит	
  в	
  тройку	
  
лидеров	
  российских	
  ИТ	
  компаний	
  
43	
  подразделения	
  в	
  России	
  и	
  за	
  
рубежом	
  
Более	
  5500	
  сотрудников	
  
100	
  тыс.проектов	
  для	
  10	
  тыс.заказчиков	
  
Инновационная	
  платформа	
  
управления	
  данными	
  
«Биржа»	
  данных	
  
Облачный	
  сервис	
  
Открытые	
  технологии	
  
Создана	
  в	
  2014	
  г.	
  
Фокус	
  на	
  работе	
  с	
  «Big	
  Data»	
  	
  
Собственные	
  центры	
  разработки	
  
Партнерство	
  с	
  мировыми	
  лидерами	
  
и	
  научными	
  институтами	
  
Центр	
  экспертизы	
  по	
  
технологиям	
  Big	
  Data	
  и	
  
Digital	
  MarkeVng	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Немного	
  о	
  Big	
  Data	
  
ВЫСОКАЯ	
  СКОРОСТЬ	
  
БОЛЬШОЙ	
  ОБЪЕМ	
  
ЗНАЧИТЕЛЬНАЯ	
  ВАРИАТИВНОСТЬ	
  
Web	
  логи	
  
Финансовые	
  транзакции	
  
Социальные	
  сети	
  
Web	
  контент	
  
Машинные	
  данные	
  
Открытые	
  данные	
  
Hadoop	
  
MPP	
  (VerVca,	
  Exadata,	
  Greenplum,	
  
Teradata)	
  
NoSQL	
  (Key-­‐Value,	
  Document-­‐
oriented,	
  Column-­‐based,	
  Graph-­‐
oriented)	
  
In-­‐memory	
  Data	
  Grids,	
  CalculaVon	
  
Grids	
  
Data	
  Mining	
  	
  
Machine	
  Learning	
  /	
  StaVsVcs	
  /	
  Natural	
  
Language	
  Processing	
  
Event-­‐Stream	
  Processing	
  
Значимость	
  данных	
  в	
  том,	
  как	
  вы	
  
анализируете	
  и	
  применяете	
  эти	
  данные	
  
для	
  развития	
  своего	
  бизнеса	
  
	
  
Понимание	
  клиента	
  и	
  его	
  поведения	
  
Информационная	
  безопасность	
  
Управление	
  рисками	
  
Повышение	
  операционной	
  эффективности	
  
	
  
	
  
Crea•ve/Business	
  Cases	
  
“Потенциал	
  Big	
  Data	
  раскрывается	
  в	
  полной	
  мере	
  при	
  взаимодействии	
  с	
  
другими	
  данными	
  корпорации.”	
  Билл	
  	
  Фрэнкс.	
  	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Бизнес-­‐решения	
  
Платформы управления данными
Решения для интернет рекламы
Управление клиентской базой
Автоматизация маркетинга
Web- аналитика
Make	
  your	
  data	
  clever	
   •  Уникальные	
   DMP	
   системы	
   обработки	
   online	
   и	
   offline	
   данных	
  
для	
  целей	
  RTB	
  и	
  сегментации	
  клиентов	
  
•  Полный	
  стек	
  решений	
  для	
  онлайн	
  рекламы	
  
•  Решения	
   для	
   укрепления	
   клиентского	
   опыта	
   и	
   повышения	
  
продаж	
   за	
   счет	
   консолидации	
   всех	
   элементов	
   вашей	
   data-­‐
driven	
  маркетинговой	
  стратегии	
  
•  Модели	
   управления	
   оттоком	
   клиентов,	
   моделирования	
  
отклика,	
   микро-­‐сегментирования	
   клиентской	
   базы,	
   скоринга,	
  
выявления	
  мошенничества	
  
•  Решения	
   для	
   анализа	
   digital	
   опыта	
   ваших	
   клиентов	
   и	
   web-­‐	
  
аналитики	
  
•  Решения	
  для	
  управления	
  всей	
  digital	
  активностью	
  компании	
  	
  
Digital Intelligence
Operations Efficiency
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Вы	
  уверены,	
  что	
  знаете	
  своего	
  клиента?	
  
Считается,	
  что	
  основные	
  жизненные	
  вехи	
  формируют	
  портрет	
  клиента	
  и	
  
помогают	
  понять	
  потребности	
  
•  Родился	
  в	
  1958	
  
году	
  в	
  России;	
  
	
  
•  Живет	
  в	
  Москве;	
  	
  
	
  
•  Отец	
  двух	
  
дочерей;	
  
	
  
•  Любит	
  рыбалку.	
  
•  Родился	
  в	
  1958	
  
году	
  в	
  России;	
  
	
  
•  Живет	
  в	
  Москве;	
  	
  
	
  
•  Отец	
  двух	
  
дочерей;	
  
	
  
•  Любит	
  рыбалку.	
  
Текущие	
  подходы	
  к	
  сегментированию	
  клиентов	
  уже	
  не	
  работают	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Не	
  зная	
  своего	
  клиента,	
  компания	
  его	
  потеряет	
  
Нецелевые	
  предложения	
  клиенту	
  приносят	
  больше	
  вреда,	
  чем	
  пользы	
  
Уместно?	
  
Вовремя?	
  
Ценно?	
  
Доступно?	
  	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Полная	
  информация	
  по	
  каждому	
  
клиенту	
  индивидуально,	
  
доступная	
  маркетологу	
  в	
  любой	
  
момент	
  времени	
  	
  
	
  
Customer-­‐centric	
  подход	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Построение	
  Единого	
  профиля	
  клиента	
  –	
  	
  
Ключ	
  к	
  построению	
  Customer-­‐centric	
  организации	
  
Характеристики	
  ценности	
  клиента	
  для	
  компании	
  
	
  
Состояние	
  клиента	
  в	
  рамках	
  «жизненного	
  цикла	
  
клиента»	
  
	
  
Социально-­‐демографический	
  профиль	
  
	
  
Интересы	
  и	
  предпочтения	
  
	
  
Характеристики	
  коммуникации	
  с	
  клиентом	
  
	
  
Склонности	
  к	
  покупке	
  и	
  намерения	
  
Вероятность	
  
оттока	
  
	
  35%	
  
Лояльность	
  
	
  87%	
  
Надежность	
  
	
  20%	
   Кредитная	
  
нагрузка	
  
Низкая	
   Семья	
  
2	
  чел	
  
Доход	
  семьи	
  
Средний	
  
Инвестиции,	
  
экономика	
  
66%	
  
Автомобили	
  
5%	
  
Недвижимость	
  
10%	
  
Накопления	
  
18%	
  
Технологии	
  
63%	
  Действующих	
  
продуктов	
  
5	
  
Последняя	
  
покупка	
  
36	
  дн	
  
Активность	
  
28%	
  
CLTV	
  
Средний	
  
В	
  клиентской	
  
базе	
  
	
  35.2	
  мес	
  
Удовлетворенность	
  
75%	
  
Уровень	
  
коммуникации	
  
20%	
  
Уровень	
  отклика	
  
	
  18%	
  
Более	
  1000	
  категорий	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Как	
  использовать	
  полученные	
  знания?	
  
Получение	
  анонимной	
  
информации	
  о	
  поведении	
  и	
  
интересах	
  
Определение	
  драйверов	
  для	
  
получения	
  клиента	
  и	
  
формирования	
  целевого	
  
предложения	
  
Привлечение	
   Получение	
   Вовлечение	
   Удержание	
  
Получение	
  
персонифицированного	
  
профиля	
  клиента	
  
Интеграция	
  с	
  социальным	
  
профилем	
  	
  
Использование	
  real	
  Vme	
  
данных	
  для	
  повторных	
  
покупок	
  и	
  целевых	
  продаж	
  
Формирование	
  профиля	
  по	
  
текущим	
  потребностям,	
  
предпочтениям	
  и	
  намерениям	
  
Повышение	
  уровня	
  
обслуживания	
  клиента	
  
Эффективное	
  
сегментирование	
  клиентской	
  
базы	
  
Определение	
  признаков	
  
оттока	
  клиента	
  
	
  
•  Повышение	
  эффективности	
  маркетинга	
  
•  Снижение	
  издержек	
  
•  Увеличение	
  прибыли	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Пример	
  внедрения	
  
Средняя	
  точность	
  таргетинга	
  
увеличилось	
  на	
  5-­‐7x,	
  что	
  приводит	
  
к	
  увеличению	
  конверсии	
  и	
  лояльности	
  клиентов	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Пример	
  внедрения	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Построение	
  Единого	
  профиля	
  клиента	
  –	
  	
  
Ключ	
  к	
  построению	
  Customer-­‐centric	
  организации	
  
Заранее	
  определенные	
  метрики	
  и	
  
характеристики,	
  вычисляемые	
  в	
  режиме	
  
реального	
  времени	
  по	
  каждому	
  клиенту;	
  
	
  
Максимальный	
  набор	
  исходной	
  информации:	
  
от	
  данных	
  транзакционных	
  систем	
  до	
  истории	
  
взаимодействия	
  с	
  клиентом	
  по	
  маркетинговым	
  
каналам	
  и	
  внешней	
  информации	
  о	
  клиенте;	
  
	
  
Непрерывное	
  повышение	
  точности	
  профиля	
  с	
  
помощью	
  алгоритмов	
  машинного	
  обучения	
  и	
  
математической	
  статистики	
  
Вероятность	
  
оттока	
  
	
  35%	
  
Лояльность	
  
	
  87%	
  
Надежность	
  
	
  20%	
   Кредитная	
  
нагрузка	
  
Низкая	
   Семья	
  
2	
  чел	
  
Доход	
  семьи	
  
Средний	
  
Инвестиции,	
  
экономика	
  
66%	
  
Автомобили	
  
5%	
  
Недвижимость	
  
10%	
  
Накопления	
  
18%	
  
Технологии	
  
63%	
  Действующих	
  
продуктов	
  
5	
  
Последняя	
  
покупка	
  
36	
  дн	
  
Активность	
  
28%	
  
CLTV	
  
Средний	
  
В	
  клиентской	
  
базе	
  
	
  35.2	
  мес	
  
Удовлетворенность	
  
75%	
  
Уровень	
  
коммуникации	
  
20%	
  
Уровень	
  отклика	
  
	
  18%	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Примеры	
  использования	
  подхода	
  
Внедрение	
  решения	
  в	
  процесс	
  формирования	
  адресных,	
  индивидуальных	
  маркетинговых	
  
кампаний	
  помогло	
  переходу	
  TELENET	
  к	
  модели	
  клиенто-­‐ориентированного	
  бизнеса,	
  
повышению	
  лояльности	
  существующих	
  	
  клиентов	
  и	
  снижению	
  их	
  оттока.	
  
	
  
В	
  результате	
  перехода	
  на	
  новую	
  модель	
  сегментирования	
  клиентской	
  базы,	
  Telenet	
  стал	
  способен:	
  
	
  
•  Правильно	
  таргетировать	
  клиентские	
  предложения	
  в	
  нужное	
  время	
  и	
  через	
  множество	
  каналов	
  и	
  
повысить	
  уровень	
  Cross	
  Sell	
  для	
  создания	
  дополнительного	
  дохода;	
  
•  CRM	
  отдел	
  TELENET,	
  достиг	
  рейтинга	
  в	
  93	
  процентиля,	
  по	
  индексу	
  Dow	
  Jones	
  Sustainability	
  Index;	
  
•  Увеличить	
  количество	
  кампании:	
  До	
  начала	
  работы	
  с	
  NGDATA,	
  Telenet	
  запускал	
  100	
  кампаний	
  в	
  год;	
  
Теперь	
  компания	
  работает	
  более	
  чем	
  с	
  750	
  кампаниями	
  в	
  год;	
  
•  Увеличить	
  Return	
  Rate	
  маркетинговых	
  кампаний	
  на	
  300-­‐400%;	
  
•  Провести	
  успешную	
  маркетинговую	
  кампанию	
  «King	
  and	
  Kong»	
  которая	
  в	
  четыре	
  раза	
  увеличила	
  
клиентскую	
  базу	
  TELENET	
  в	
  течение	
  нескольких	
  месяцев	
  проведения	
  кампании.	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Источники	
  данных	
  
Источник	
   Данные	
  
Внутренние	
  
MarkeVng	
  AutomaVon	
   Contact	
  name,	
  Vtle,	
  company,	
  open	
  rates,	
  unsubscribes,	
  web	
  visits,	
  pages	
  visited,	
  lead	
  score,	
  video	
  views,	
  downloads	
  
CRM	
   Company,	
  contact	
  informaVon,	
  win/loss,	
  deal	
  value	
  
Использование	
  продукта	
   Features	
  used,	
  logins,	
  session	
  length,	
  collaboraVon	
  
История	
  покупок	
   Products	
  purchased,	
  prices	
  paid,	
  discounts,	
  contract	
  terms	
  
Customer	
  Support	
  History	
   Complaints,	
  resoluVons	
  
Внешние	
  
Публичные	
  сайты	
   Job	
  posVngs,	
  grants,	
  liVgaVon,	
  patents,	
  contracts,	
  locaVons,	
  growth	
  
Сайт	
  компании	
   Language(s),	
  products,	
  shopping	
  cart,	
  execuVve	
  team	
  profiles	
  
Социальные	
  сети	
   Company	
  and	
  personal	
  profiles,	
  likes,	
  comments,	
  updates,	
  friends/	
  connecVons/followers,	
  usage	
  
Медийные	
  сайты	
   News	
  arVcles	
  and	
  stories,	
  product	
  launches,	
  announcements,	
  press	
  releases,	
  liVgaVon	
  
Offline	
  данные	
   Credit	
  raVngs,	
  financial	
  history,	
  construcVon	
  permits/	
  starts,	
  deployed	
  technologies	
  
Более	
  15	
  поставщиков	
  данных	
  
Раскройте	
  потенциал	
  данных	
  о	
  клиенте	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Используем	
  всю	
  информацию	
  
Customer	
  TransacVon	
  Data	
  	
  
Web	
  analyVcs	
  
CRM	
  
DWH/CM/Call	
  center	
  
Company	
  Data	
  
Social	
  Data	
  	
  
Web	
  surfing	
  
eCommerce	
  Data	
  
3th	
  Party	
  Data	
  
Mobile	
  Data	
  
Enterprise	
  DMP	
  Connectors	
  API/ETL	
  
Data	
  Exchange	
  
3th	
  Party	
  Offline	
  Data	
  
Enterprise	
  BI	
  and	
  reporVng	
  
ReporVng	
  /	
  AnalyVcs	
  
Company	
  Web	
  Site	
  
Mobile	
  Apps	
  
Company	
  acVviVes	
  
Customers	
  acVviVes	
  
Web	
  and	
  Mobile	
  
RTB	
  ecosystem	
  
Partners	
  web	
  and	
  mobile	
  
Social	
  
Web	
  
Email	
  
MarkeVng	
  campaign	
  
Campaign	
  
management	
  
SMS	
  
Call	
  center	
  
Offline	
  
CRM	
  
Service	
  Desk	
  
Customer	
  
eXperience	
  
Profiler	
  
Big	
  Data	
  
storage	
  
Machine	
  
Learning	
  	
  
Real	
  Time	
  
storage	
  
PredicVve	
  
analyVcs	
  
Common	
  Services	
  
Scoring	
  Data	
  	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
•  Data	
  Exchange	
  
	
  Поставка	
  «сырых»	
  и	
  «аналитических»	
  3rd	
  party	
  offline	
  и	
  online	
  
	
  данных	
  с	
  возможностью	
  их	
  пред-­‐обработки	
  и	
  объединения	
  
•  DMPKit	
  
	
  Набор	
  компонентов	
  для	
  построения	
  вашей	
  собственной	
  DMP	
  платформы	
  
	
  для	
  целей	
  RTB	
  и	
  подключения	
  к	
  рекламной	
  экосистеме	
  
•  DataDEPO	
  
	
  Аналитическое	
  хранилище	
  данных	
  на	
  базе	
  Hadoop	
  и	
  собственных	
  
	
  компонентов	
  управления	
  данными	
  
•  Web	
  Crawler	
  
	
  Сервис	
  сбора	
  контента	
  из	
  сети	
  Интернет	
  с	
  целью	
  анализа	
  медийного	
  
	
  пространства,	
  соц.	
  сетей	
  и	
  популярных	
  онлайн	
  площадок	
  	
  
•  Text	
  Classifier	
  
	
  Сервис	
  классификации	
  произвольного	
  текста	
  с	
  помощью	
  алгоритмов	
  
	
  машинного	
  обучения	
  и	
  произвольного	
  набора	
  аналитических	
  категорий	
  
DMPKit	
  
Data	
  Exchange	
  
	
  Собственные	
  решения	
  линейки	
  1DMP.RU	
  
DataDEPO	
  
Text	
  Classifier	
  
Web	
  Crawler	
  
Более	
  10	
  партнеров	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Храните	
  данные	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Краулинг	
  данных	
  
Tаблица 1
Category Name Accuracy
Test
Accuracy
Train
Documents
IAB18 Мода и стиль 76.8% 97% 400
IAB12 Новости 68.2% 96% 22
IAB10 Дом и сад 63.3% 96% 400
IAB2 Автомобили 96% 100% 400
IAB15 Наука 79% 99% 400
IAB25 Нестандартные
материалы
74% 97% 400
IAB20 Путешествия 71% 99% 400
IAB26 Нелегальные
материалы
9% 97% 36
IAB21 Недвижимость 83% 99% 400
IAB17 Спорт 82% 98% 400
IAB1 Искусство и
развлечения
63% 90% 400
IAB4 Карьера 86% 99% 400
IAB6 Семья 69% 97% 391
IAB16 Домашние
животные
88% 100% 400
IAB19 Вычисления и
технологии
87% 99% 400
IAB8 Питание 84% 92% 400
IAB5 Образование 63% 87% 400
IAB11 Закон и
политика
80% 99% 400
IAB3 Бизнес 63% 96% 400
IAB9 Хобби и
интересы
68% 98% 400
IAB23 Духовность и
религия
84% 100% 400
IAB7 Здоровье и
фитнес
77% 100% 400
IAB14 Общество 77% 98% 400
IAB13 Личные финансы 96% 100% 400
0%
25%
50%
75%
100%
IAB18 IAB12 IAB10 IAB2 IAB15 IAB25 IAB20 IAB26 IAB21 IAB17 IAB1 IAB4 IAB6 IAB16 IAB19 IAB8 IAB5 IAB11 IAB3 IAB9 IAB23 IAB7 IAB14 IAB13
Accuracy Train Accuracy Test
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Точность	
  классификации	
  
Приведены	
  значения	
  точности	
  классификации	
  текстов	
  в	
  свободном	
  формате,	
  
проведенной	
  на	
  обучающей	
  выборке,	
  подготовленной	
  специалистами	
  CleverDATA	
  
IAB	
  –	
  универсальная	
  классификация	
  категорий	
  интересов	
  интернет	
  пользователя,	
  
являющаяся	
  стандартом	
  для	
  RTB	
  рекламы	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Варианты	
  развертывания	
  
	
  
	
  Использование	
  как	
  сервис	
  в	
  облаке	
  1DMP.RU	
  
	
  	
  
	
  Развертывание	
  на	
  базе	
  Oracle	
  Big	
  Data	
  Appliance	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Что	
  происходит	
  в	
  интернете	
  за	
  минуту	
  
•  204	
  000	
  000	
  –	
  новых	
  электронных	
  писем	
  
•  20	
  000	
  000	
  –	
  просмотров	
  фотографий	
  на	
  Flickr	
  
•  6	
  000	
  000	
  –	
  просмотров	
  страниц	
  на	
  Facebook	
  
•  2	
  500	
  000	
  –	
  поисковых	
  запросов	
  через	
  Google	
  
•  1	
  300	
  000	
  –	
  просмотров	
  видео	
  в	
  YouTube	
  
•  100	
  000	
  –	
  новых	
  твитов	
  в	
  Twišer	
  
•  $83	
  000	
  –	
  сумма	
  продаж	
  товаров	
  в	
  Amazon	
  
•  47	
  000	
  –	
  скачиваний	
  приложений	
  
•  1	
  300	
  –	
  человек	
  покупают	
  мобильные	
  
устройства,	
  подключенные	
  к	
  интернету	
  
•  640	
  –	
  терабайт	
  данных	
  обрабатывается	
  
•  135	
  –	
  троянских	
  заражений	
  ботнет-­‐сетями	
  
•  30	
  –	
  часов	
  нового	
  видео	
  загружается	
  в	
  YouTube	
  
•  6	
  –	
  новых	
  статей	
  публикуется	
  в	
  Википедии	
  
Сбор	
  
Хранение	
  
Очистка	
  
Классификация	
  
	
  
6M	
  html	
  pages	
  
70	
  GB	
  of	
  data	
  
	
  
11mins,	
  17sec	
  
Oracle	
  BDA	
  
Starter	
  Kit	
  
cleverdata.ru	
  	
  |	
  	
  info@cleverdata.ru	
  
Преимущества	
  1DMP	
  for	
  Enterprise	
  
Автоматическое	
  обучение	
  в	
  процессе	
  работы	
  без	
  участия	
  
человека	
  
Использования	
  решения	
  не	
  требует	
  замены	
  текущих	
  систем	
  
Доступ	
  в	
  большому	
  количеству	
  внешних	
  данных	
  через	
  Биржу	
  
данных	
  
Возможность	
  подключения	
  решения	
  к	
  RTB	
  экосистеме	
  
	
  
В	
  общем	
  случае	
  при	
  сценарии	
  более	
  точного	
  сегментирования	
  
достигается	
  повышение	
  результативности	
  маркетинговых	
  
кампаний	
  минимум	
  на	
  40%	
  и	
  выход	
  на	
  окупаемость	
  в	
  течение	
  
первого	
  года	
  эксплуатации	
  системы.	
  
90	
  дней	
  до	
  первого	
  бизнес-­‐результата	
  
Big Data for Customer centric organisation - CleverDATA for Oracle CIO Club Moscow 26022015

More Related Content

What's hot

Артем Плешаков — Intency DSP — ICBDA 2015
Артем Плешаков — Intency DSP — ICBDA 2015Артем Плешаков — Intency DSP — ICBDA 2015
Артем Плешаков — Intency DSP — ICBDA 2015rusbase
 
CleverDATA (Denis Reymer) presentation for CNews Forum 2015 (Banking Section)
CleverDATA (Denis Reymer) presentation for CNews Forum 2015 (Banking Section)CleverDATA (Denis Reymer) presentation for CNews Forum 2015 (Banking Section)
CleverDATA (Denis Reymer) presentation for CNews Forum 2015 (Banking Section)CleverDATA
 
Сергей Кашпоров — Frank Research Group — ICBDA 2015
Сергей Кашпоров — Frank Research Group — ICBDA 2015Сергей Кашпоров — Frank Research Group — ICBDA 2015
Сергей Кашпоров — Frank Research Group — ICBDA 2015rusbase
 
HR_Scoring_CleverDATA
HR_Scoring_CleverDATAHR_Scoring_CleverDATA
HR_Scoring_CleverDATACleverDATA
 
Roman styatugin clever_data_cxp_predictive marketing
Roman styatugin clever_data_cxp_predictive marketingRoman styatugin clever_data_cxp_predictive marketing
Roman styatugin clever_data_cxp_predictive marketingCleverDATA
 
CleverDATA_1DMP.RU_ for_enterprise
CleverDATA_1DMP.RU_ for_enterpriseCleverDATA_1DMP.RU_ for_enterprise
CleverDATA_1DMP.RU_ for_enterpriseCleverDATA
 
Customers segmentation_responce prediction
Customers segmentation_responce predictionCustomers segmentation_responce prediction
Customers segmentation_responce predictionCleverDATA
 
Александр Емешев — Tinkoff — ICBDA 2015
Александр Емешев — Tinkoff — ICBDA 2015Александр Емешев — Tinkoff — ICBDA 2015
Александр Емешев — Tinkoff — ICBDA 2015rusbase
 
Сергей Чернов — Yandex Data Factory — ICBDA 2015
Сергей Чернов — Yandex Data Factory — ICBDA 2015Сергей Чернов — Yandex Data Factory — ICBDA 2015
Сергей Чернов — Yandex Data Factory — ICBDA 2015rusbase
 
Oracle big data for finance
Oracle big data for financeOracle big data for finance
Oracle big data for financeCleverDATA
 
Big data. Тренды и технологии. Использование в работе с клиентами.
Big data. Тренды и технологии. Использование в работе с клиентами.Big data. Тренды и технологии. Использование в работе с клиентами.
Big data. Тренды и технологии. Использование в работе с клиентами.CleverDATA
 
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
 
Презентация Big data
Презентация Big dataПрезентация Big data
Презентация Big dataSatur-D
 
Cвятослав Штумпф, Петер-Сервис: Грамотное использование Big Data
Cвятослав Штумпф, Петер-Сервис: Грамотное использование Big DataCвятослав Штумпф, Петер-Сервис: Грамотное использование Big Data
Cвятослав Штумпф, Петер-Сервис: Грамотное использование Big DataB2BConferenceGroup
 
Давид Вачадзе – BrandMobile – ICBDA 2016
Давид Вачадзе – BrandMobile – ICBDA 2016Давид Вачадзе – BrandMobile – ICBDA 2016
Давид Вачадзе – BrandMobile – ICBDA 2016rusbase
 
Clever data 1dmp_oracle_fors
Clever data 1dmp_oracle_forsClever data 1dmp_oracle_fors
Clever data 1dmp_oracle_forsCleverDATA
 
Machine Learning for Recruitment
Machine Learning for RecruitmentMachine Learning for Recruitment
Machine Learning for RecruitmentDen Reymer
 
современные методы анализа данных для бизнеса в стиле Google(2)
современные методы анализа данных для бизнеса в стиле Google(2)современные методы анализа данных для бизнеса в стиле Google(2)
современные методы анализа данных для бизнеса в стиле Google(2)DataConsulting2013
 
Аналитика клиентской базы отдела B2B-продаж: основные понятия
Аналитика клиентской базы отдела B2B-продаж: основные понятияАналитика клиентской базы отдела B2B-продаж: основные понятия
Аналитика клиентской базы отдела B2B-продаж: основные понятияЕвгений Лазо
 

What's hot (20)

Big data must ife
Big data must ifeBig data must ife
Big data must ife
 
Артем Плешаков — Intency DSP — ICBDA 2015
Артем Плешаков — Intency DSP — ICBDA 2015Артем Плешаков — Intency DSP — ICBDA 2015
Артем Плешаков — Intency DSP — ICBDA 2015
 
CleverDATA (Denis Reymer) presentation for CNews Forum 2015 (Banking Section)
CleverDATA (Denis Reymer) presentation for CNews Forum 2015 (Banking Section)CleverDATA (Denis Reymer) presentation for CNews Forum 2015 (Banking Section)
CleverDATA (Denis Reymer) presentation for CNews Forum 2015 (Banking Section)
 
Сергей Кашпоров — Frank Research Group — ICBDA 2015
Сергей Кашпоров — Frank Research Group — ICBDA 2015Сергей Кашпоров — Frank Research Group — ICBDA 2015
Сергей Кашпоров — Frank Research Group — ICBDA 2015
 
HR_Scoring_CleverDATA
HR_Scoring_CleverDATAHR_Scoring_CleverDATA
HR_Scoring_CleverDATA
 
Roman styatugin clever_data_cxp_predictive marketing
Roman styatugin clever_data_cxp_predictive marketingRoman styatugin clever_data_cxp_predictive marketing
Roman styatugin clever_data_cxp_predictive marketing
 
CleverDATA_1DMP.RU_ for_enterprise
CleverDATA_1DMP.RU_ for_enterpriseCleverDATA_1DMP.RU_ for_enterprise
CleverDATA_1DMP.RU_ for_enterprise
 
Customers segmentation_responce prediction
Customers segmentation_responce predictionCustomers segmentation_responce prediction
Customers segmentation_responce prediction
 
Александр Емешев — Tinkoff — ICBDA 2015
Александр Емешев — Tinkoff — ICBDA 2015Александр Емешев — Tinkoff — ICBDA 2015
Александр Емешев — Tinkoff — ICBDA 2015
 
Сергей Чернов — Yandex Data Factory — ICBDA 2015
Сергей Чернов — Yandex Data Factory — ICBDA 2015Сергей Чернов — Yandex Data Factory — ICBDA 2015
Сергей Чернов — Yandex Data Factory — ICBDA 2015
 
Oracle big data for finance
Oracle big data for financeOracle big data for finance
Oracle big data for finance
 
Big data. Тренды и технологии. Использование в работе с клиентами.
Big data. Тренды и технологии. Использование в работе с клиентами.Big data. Тренды и технологии. Использование в работе с клиентами.
Big data. Тренды и технологии. Использование в работе с клиентами.
 
Управление качеством клиентского портфеля “по- умному”.
Управление качеством клиентского портфеля “по- умному”. Управление качеством клиентского портфеля “по- умному”.
Управление качеством клиентского портфеля “по- умному”.
 
Презентация Big data
Презентация Big dataПрезентация Big data
Презентация Big data
 
Cвятослав Штумпф, Петер-Сервис: Грамотное использование Big Data
Cвятослав Штумпф, Петер-Сервис: Грамотное использование Big DataCвятослав Штумпф, Петер-Сервис: Грамотное использование Big Data
Cвятослав Штумпф, Петер-Сервис: Грамотное использование Big Data
 
Давид Вачадзе – BrandMobile – ICBDA 2016
Давид Вачадзе – BrandMobile – ICBDA 2016Давид Вачадзе – BrandMobile – ICBDA 2016
Давид Вачадзе – BrandMobile – ICBDA 2016
 
Clever data 1dmp_oracle_fors
Clever data 1dmp_oracle_forsClever data 1dmp_oracle_fors
Clever data 1dmp_oracle_fors
 
Machine Learning for Recruitment
Machine Learning for RecruitmentMachine Learning for Recruitment
Machine Learning for Recruitment
 
современные методы анализа данных для бизнеса в стиле Google(2)
современные методы анализа данных для бизнеса в стиле Google(2)современные методы анализа данных для бизнеса в стиле Google(2)
современные методы анализа данных для бизнеса в стиле Google(2)
 
Аналитика клиентской базы отдела B2B-продаж: основные понятия
Аналитика клиентской базы отдела B2B-продаж: основные понятияАналитика клиентской базы отдела B2B-продаж: основные понятия
Аналитика клиентской базы отдела B2B-продаж: основные понятия
 

Viewers also liked

Что такое Big Data ?
Что такое Big Data ?Что такое Big Data ?
Что такое Big Data ?Mikhail Alekseev
 
AlgoMost presentation
AlgoMost presentationAlgoMost presentation
AlgoMost presentationAlgoMost
 
HPC vs Big Data (Russian version)
HPC vs Big Data (Russian version)HPC vs Big Data (Russian version)
HPC vs Big Data (Russian version)Irina Fedulova
 
Чем отличаются BI и Big Data?
Чем отличаются BI и Big Data?Чем отличаются BI и Big Data?
Чем отличаются BI и Big Data?Michael Kozloff
 
Digital Branding Summit 15-16 october 2014. Александр Филатов (Розничная сеть...
Digital Branding Summit 15-16 october 2014. Александр Филатов (Розничная сеть...Digital Branding Summit 15-16 october 2014. Александр Филатов (Розничная сеть...
Digital Branding Summit 15-16 october 2014. Александр Филатов (Розничная сеть...World Brand Academy
 
TAdviser - BI-Big Data - Макаров
TAdviser - BI-Big Data - МакаровTAdviser - BI-Big Data - Макаров
TAdviser - BI-Big Data - МакаровStanislav Makarov
 
OSPconf. Big Data Forum 2015
OSPconf. Big Data Forum 2015OSPconf. Big Data Forum 2015
OSPconf. Big Data Forum 2015Ilya Gershanov
 
4 sas and big data short
4 sas and big data short4 sas and big data short
4 sas and big data shortantishmanti
 
Лекция 4. MapReduce в Hadoop (введение)
Лекция 4. MapReduce в Hadoop (введение)Лекция 4. MapReduce в Hadoop (введение)
Лекция 4. MapReduce в Hadoop (введение)Technopark
 
Лекция 5. MapReduce в Hadoop (алгоритмы)
Лекция 5. MapReduce в Hadoop (алгоритмы)Лекция 5. MapReduce в Hadoop (алгоритмы)
Лекция 5. MapReduce в Hadoop (алгоритмы)Technopark
 
1 big data oracle digi oct
1 big data oracle digi oct1 big data oracle digi oct
1 big data oracle digi octantishmanti
 
Лекция 1. Введение в Big Data и MapReduce
Лекция 1. Введение в Big Data и MapReduceЛекция 1. Введение в Big Data и MapReduce
Лекция 1. Введение в Big Data и MapReduceTechnopark
 
Лекция 3. Распределённая файловая система HDFS
Лекция 3. Распределённая файловая система HDFSЛекция 3. Распределённая файловая система HDFS
Лекция 3. Распределённая файловая система HDFSTechnopark
 
Лекция 6. MapReduce в Hadoop (графы)
Лекция 6. MapReduce в Hadoop (графы)Лекция 6. MapReduce в Hadoop (графы)
Лекция 6. MapReduce в Hadoop (графы)Technopark
 
Лекция 2. Основы Hadoop
Лекция 2. Основы HadoopЛекция 2. Основы Hadoop
Лекция 2. Основы HadoopTechnopark
 
Николай Птицын — Synesis — ICBDA 2015
Николай Птицын — Synesis — ICBDA 2015Николай Птицын — Synesis — ICBDA 2015
Николай Птицын — Synesis — ICBDA 2015rusbase
 
Александр Мигаловский — ГНИВЦ ФНС России — ICBDA 2015
Александр Мигаловский — ГНИВЦ ФНС России — ICBDA 2015Александр Мигаловский — ГНИВЦ ФНС России — ICBDA 2015
Александр Мигаловский — ГНИВЦ ФНС России — ICBDA 2015rusbase
 

Viewers also liked (20)

Что такое Big Data ?
Что такое Big Data ?Что такое Big Data ?
Что такое Big Data ?
 
AlgoMost presentation
AlgoMost presentationAlgoMost presentation
AlgoMost presentation
 
HPC vs Big Data (Russian version)
HPC vs Big Data (Russian version)HPC vs Big Data (Russian version)
HPC vs Big Data (Russian version)
 
Maslik 06.12.11
Maslik 06.12.11Maslik 06.12.11
Maslik 06.12.11
 
Чем отличаются BI и Big Data?
Чем отличаются BI и Big Data?Чем отличаются BI и Big Data?
Чем отличаются BI и Big Data?
 
Digital Branding Summit 15-16 october 2014. Александр Филатов (Розничная сеть...
Digital Branding Summit 15-16 october 2014. Александр Филатов (Розничная сеть...Digital Branding Summit 15-16 october 2014. Александр Филатов (Розничная сеть...
Digital Branding Summit 15-16 october 2014. Александр Филатов (Розничная сеть...
 
TAdviser - BI-Big Data - Макаров
TAdviser - BI-Big Data - МакаровTAdviser - BI-Big Data - Макаров
TAdviser - BI-Big Data - Макаров
 
OSPconf. Big Data Forum 2015
OSPconf. Big Data Forum 2015OSPconf. Big Data Forum 2015
OSPconf. Big Data Forum 2015
 
4 sas and big data short
4 sas and big data short4 sas and big data short
4 sas and big data short
 
Лекция 4. MapReduce в Hadoop (введение)
Лекция 4. MapReduce в Hadoop (введение)Лекция 4. MapReduce в Hadoop (введение)
Лекция 4. MapReduce в Hadoop (введение)
 
Лекция 5. MapReduce в Hadoop (алгоритмы)
Лекция 5. MapReduce в Hadoop (алгоритмы)Лекция 5. MapReduce в Hadoop (алгоритмы)
Лекция 5. MapReduce в Hadoop (алгоритмы)
 
1 big data oracle digi oct
1 big data oracle digi oct1 big data oracle digi oct
1 big data oracle digi oct
 
CNews Big Data
CNews Big DataCNews Big Data
CNews Big Data
 
Лекция 1. Введение в Big Data и MapReduce
Лекция 1. Введение в Big Data и MapReduceЛекция 1. Введение в Big Data и MapReduce
Лекция 1. Введение в Big Data и MapReduce
 
Лекция 3. Распределённая файловая система HDFS
Лекция 3. Распределённая файловая система HDFSЛекция 3. Распределённая файловая система HDFS
Лекция 3. Распределённая файловая система HDFS
 
Лекция 6. MapReduce в Hadoop (графы)
Лекция 6. MapReduce в Hadoop (графы)Лекция 6. MapReduce в Hadoop (графы)
Лекция 6. MapReduce в Hadoop (графы)
 
Лекция 2. Основы Hadoop
Лекция 2. Основы HadoopЛекция 2. Основы Hadoop
Лекция 2. Основы Hadoop
 
3 ibm bdw2015
3 ibm bdw20153 ibm bdw2015
3 ibm bdw2015
 
Николай Птицын — Synesis — ICBDA 2015
Николай Птицын — Synesis — ICBDA 2015Николай Птицын — Synesis — ICBDA 2015
Николай Птицын — Synesis — ICBDA 2015
 
Александр Мигаловский — ГНИВЦ ФНС России — ICBDA 2015
Александр Мигаловский — ГНИВЦ ФНС России — ICBDA 2015Александр Мигаловский — ГНИВЦ ФНС России — ICBDA 2015
Александр Мигаловский — ГНИВЦ ФНС России — ICBDA 2015
 

Similar to Big Data for Customer centric organisation - CleverDATA for Oracle CIO Club Moscow 26022015

Digital Marketing Analytics on Splunk platform
Digital Marketing Analytics on Splunk platformDigital Marketing Analytics on Splunk platform
Digital Marketing Analytics on Splunk platformCleverDATA
 
Customer experience profile&PredictiveMarketing_R.Styatugin_31032015
Customer experience profile&PredictiveMarketing_R.Styatugin_31032015Customer experience profile&PredictiveMarketing_R.Styatugin_31032015
Customer experience profile&PredictiveMarketing_R.Styatugin_31032015CleverDATA
 
Данные - Основа Digital революции
Данные - Основа Digital революцииДанные - Основа Digital революции
Данные - Основа Digital революцииDen Reymer
 
Oracle big data_da_cut
Oracle big data_da_cutOracle big data_da_cut
Oracle big data_da_cutCleverDATA
 
Konstantin Obukhov - Customer Experience Technologies
Konstantin Obukhov - Customer Experience TechnologiesKonstantin Obukhov - Customer Experience Technologies
Konstantin Obukhov - Customer Experience TechnologiesAIST
 
DenReymer_presentation_for_CNewsforum_14112014
DenReymer_presentation_for_CNewsforum_14112014DenReymer_presentation_for_CNewsforum_14112014
DenReymer_presentation_for_CNewsforum_14112014CleverDATA
 
Big Data глазами клиента или потребность в новом опыте
Big Data  глазами клиента или потребность в новом опытеBig Data  глазами клиента или потребность в новом опыте
Big Data глазами клиента или потребность в новом опытеАндрей Янбухтин
 
Three approaches - CRM - Floctory
Three approaches - CRM - Floctory Three approaches - CRM - Floctory
Three approaches - CRM - Floctory Efim Aldoukhov
 
MESImeetup_DenReymer_presentation
MESImeetup_DenReymer_presentationMESImeetup_DenReymer_presentation
MESImeetup_DenReymer_presentationCleverDATA
 
Хитрые таргетинги для коммерческих спецпроектов
Хитрые таргетинги для коммерческих спецпроектовХитрые таргетинги для коммерческих спецпроектов
Хитрые таргетинги для коммерческих спецпроектовMediaprojects Mail.Ru Group
 
C8 for uadigital2012
C8 for uadigital2012C8 for uadigital2012
C8 for uadigital2012Elena Peday
 
Автоматизация работы с клиентами с помощью CRM-системы
Автоматизация работы с клиентами с помощью CRM-системыАвтоматизация работы с клиентами с помощью CRM-системы
Автоматизация работы с клиентами с помощью CRM-системыSergey Emelyanov
 
Автоматизация работы с клиентами с помощью CRM-системы
Автоматизация работы с клиентами с помощью CRM-системыАвтоматизация работы с клиентами с помощью CRM-системы
Автоматизация работы с клиентами с помощью CRM-системыSergey Emelyanov
 
Системное целеполагание в маркетинге. Как, зачем и почему?
Системное целеполагание в маркетинге. Как, зачем и почему?Системное целеполагание в маркетинге. Как, зачем и почему?
Системное целеполагание в маркетинге. Как, зачем и почему?Комплето
 
Бизнес в Интернет или Интернет в бизнесе
Бизнес в Интернет или Интернет в бизнесеБизнес в Интернет или Интернет в бизнесе
Бизнес в Интернет или Интернет в бизнесеЕвгений Курбанов
 
Как удержать клиента с помощью digital
Как удержать клиента с помощью digitalКак удержать клиента с помощью digital
Как удержать клиента с помощью digitalУлей
 
Как удержать клиента с помощью digital
Как удержать клиента с помощью digitalКак удержать клиента с помощью digital
Как удержать клиента с помощью digitalSPECIA
 
Как мы за 6 лет перешли от SEO к маркетингу. Почему больше ни у кого в России...
Как мы за 6 лет перешли от SEO к маркетингу. Почему больше ни у кого в России...Как мы за 6 лет перешли от SEO к маркетингу. Почему больше ни у кого в России...
Как мы за 6 лет перешли от SEO к маркетингу. Почему больше ни у кого в России...Комплето
 
Den Reymer Resilience_2014
Den Reymer Resilience_2014Den Reymer Resilience_2014
Den Reymer Resilience_2014CleverDATA
 

Similar to Big Data for Customer centric organisation - CleverDATA for Oracle CIO Club Moscow 26022015 (20)

Digital Marketing Analytics on Splunk platform
Digital Marketing Analytics on Splunk platformDigital Marketing Analytics on Splunk platform
Digital Marketing Analytics on Splunk platform
 
Customer experience profile&PredictiveMarketing_R.Styatugin_31032015
Customer experience profile&PredictiveMarketing_R.Styatugin_31032015Customer experience profile&PredictiveMarketing_R.Styatugin_31032015
Customer experience profile&PredictiveMarketing_R.Styatugin_31032015
 
Данные - Основа Digital революции
Данные - Основа Digital революцииДанные - Основа Digital революции
Данные - Основа Digital революции
 
Oracle big data_da_cut
Oracle big data_da_cutOracle big data_da_cut
Oracle big data_da_cut
 
Konstantin Obukhov - Customer Experience Technologies
Konstantin Obukhov - Customer Experience TechnologiesKonstantin Obukhov - Customer Experience Technologies
Konstantin Obukhov - Customer Experience Technologies
 
DenReymer_presentation_for_CNewsforum_14112014
DenReymer_presentation_for_CNewsforum_14112014DenReymer_presentation_for_CNewsforum_14112014
DenReymer_presentation_for_CNewsforum_14112014
 
Big Data глазами клиента или потребность в новом опыте
Big Data  глазами клиента или потребность в новом опытеBig Data  глазами клиента или потребность в новом опыте
Big Data глазами клиента или потребность в новом опыте
 
Бизнес ждет диджитализация
Бизнес ждет диджитализацияБизнес ждет диджитализация
Бизнес ждет диджитализация
 
Three approaches - CRM - Floctory
Three approaches - CRM - Floctory Three approaches - CRM - Floctory
Three approaches - CRM - Floctory
 
MESImeetup_DenReymer_presentation
MESImeetup_DenReymer_presentationMESImeetup_DenReymer_presentation
MESImeetup_DenReymer_presentation
 
Хитрые таргетинги для коммерческих спецпроектов
Хитрые таргетинги для коммерческих спецпроектовХитрые таргетинги для коммерческих спецпроектов
Хитрые таргетинги для коммерческих спецпроектов
 
C8 for uadigital2012
C8 for uadigital2012C8 for uadigital2012
C8 for uadigital2012
 
Автоматизация работы с клиентами с помощью CRM-системы
Автоматизация работы с клиентами с помощью CRM-системыАвтоматизация работы с клиентами с помощью CRM-системы
Автоматизация работы с клиентами с помощью CRM-системы
 
Автоматизация работы с клиентами с помощью CRM-системы
Автоматизация работы с клиентами с помощью CRM-системыАвтоматизация работы с клиентами с помощью CRM-системы
Автоматизация работы с клиентами с помощью CRM-системы
 
Системное целеполагание в маркетинге. Как, зачем и почему?
Системное целеполагание в маркетинге. Как, зачем и почему?Системное целеполагание в маркетинге. Как, зачем и почему?
Системное целеполагание в маркетинге. Как, зачем и почему?
 
Бизнес в Интернет или Интернет в бизнесе
Бизнес в Интернет или Интернет в бизнесеБизнес в Интернет или Интернет в бизнесе
Бизнес в Интернет или Интернет в бизнесе
 
Как удержать клиента с помощью digital
Как удержать клиента с помощью digitalКак удержать клиента с помощью digital
Как удержать клиента с помощью digital
 
Как удержать клиента с помощью digital
Как удержать клиента с помощью digitalКак удержать клиента с помощью digital
Как удержать клиента с помощью digital
 
Как мы за 6 лет перешли от SEO к маркетингу. Почему больше ни у кого в России...
Как мы за 6 лет перешли от SEO к маркетингу. Почему больше ни у кого в России...Как мы за 6 лет перешли от SEO к маркетингу. Почему больше ни у кого в России...
Как мы за 6 лет перешли от SEO к маркетингу. Почему больше ни у кого в России...
 
Den Reymer Resilience_2014
Den Reymer Resilience_2014Den Reymer Resilience_2014
Den Reymer Resilience_2014
 

More from CleverDATA

CRM onboarding - оффлайн данные для онлайн рекламы
CRM onboarding - оффлайн данные для онлайн рекламы CRM onboarding - оффлайн данные для онлайн рекламы
CRM onboarding - оффлайн данные для онлайн рекламы CleverDATA
 
Jpoint 2017 - как это было (обзор конференции)
Jpoint 2017 - как это было (обзор конференции)Jpoint 2017 - как это было (обзор конференции)
Jpoint 2017 - как это было (обзор конференции)CleverDATA
 
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
 
Data exchange как ключевой элемент экосистемы обмена данными
Data exchange как ключевой элемент экосистемы обмена даннымиData exchange как ключевой элемент экосистемы обмена данными
Data exchange как ключевой элемент экосистемы обмена даннымиCleverDATA
 
Text mining of Beauty Blogs: о чем говорят женщины? (Артем Просветов, data sc...
Text mining of Beauty Blogs: о чем говорят женщины? (Артем Просветов, data sc...Text mining of Beauty Blogs: о чем говорят женщины? (Артем Просветов, data sc...
Text mining of Beauty Blogs: о чем говорят женщины? (Артем Просветов, data sc...CleverDATA
 
CleverDATA _HybridConf16_Public
CleverDATA _HybridConf16_PublicCleverDATA _HybridConf16_Public
CleverDATA _HybridConf16_PublicCleverDATA
 
Splunk for IT Operations and IT Service Intelligence
Splunk for IT Operations and IT Service IntelligenceSplunk for IT Operations and IT Service Intelligence
Splunk for IT Operations and IT Service IntelligenceCleverDATA
 
Splunk - универсальная платформа для работы с любыми данными
Splunk - универсальная платформа для работы с любыми даннымиSplunk - универсальная платформа для работы с любыми данными
Splunk - универсальная платформа для работы с любыми даннымиCleverDATA
 
CleverDATA_Afanasev_DigitalEconomy
CleverDATA_Afanasev_DigitalEconomyCleverDATA_Afanasev_DigitalEconomy
CleverDATA_Afanasev_DigitalEconomyCleverDATA
 
Д.Афанасьев_ CleverDATA_Охота за данными
Д.Афанасьев_ CleverDATA_Охота за даннымиД.Афанасьев_ CleverDATA_Охота за данными
Д.Афанасьев_ CleverDATA_Охота за даннымиCleverDATA
 
Fors и big data appliance
Fors и big data applianceFors и big data appliance
Fors и big data applianceCleverDATA
 
Clever data datascienceweek_spark_vs_hadoop_in_online_audience_segmentation
Clever data datascienceweek_spark_vs_hadoop_in_online_audience_segmentationClever data datascienceweek_spark_vs_hadoop_in_online_audience_segmentation
Clever data datascienceweek_spark_vs_hadoop_in_online_audience_segmentationCleverDATA
 
CleverDATA_Oracle Cloud BI Day 2015
CleverDATA_Oracle Cloud BI Day 2015CleverDATA_Oracle Cloud BI Day 2015
CleverDATA_Oracle Cloud BI Day 2015CleverDATA
 
CleverDATA for Hadoop_Meetup_22052015_Spark_vs_Hadoop
CleverDATA for Hadoop_Meetup_22052015_Spark_vs_HadoopCleverDATA for Hadoop_Meetup_22052015_Spark_vs_Hadoop
CleverDATA for Hadoop_Meetup_22052015_Spark_vs_HadoopCleverDATA
 
CleverDATA_Spark_audience_segmentation_in_online_ad
CleverDATA_Spark_audience_segmentation_in_online_adCleverDATA_Spark_audience_segmentation_in_online_ad
CleverDATA_Spark_audience_segmentation_in_online_adCleverDATA
 
Julia Tuzin teradata omnichannel_interactions
Julia Tuzin teradata omnichannel_interactionsJulia Tuzin teradata omnichannel_interactions
Julia Tuzin teradata omnichannel_interactionsCleverDATA
 
Karel jabornik teradata real-time-interaction_mngmt
Karel jabornik teradata real-time-interaction_mngmtKarel jabornik teradata real-time-interaction_mngmt
Karel jabornik teradata real-time-interaction_mngmtCleverDATA
 
CleverCLUB-26.03.15-K.Obukhov
CleverCLUB-26.03.15-K.ObukhovCleverCLUB-26.03.15-K.Obukhov
CleverCLUB-26.03.15-K.ObukhovCleverDATA
 
CleverCLUB-26.03.15-G.Kanevsky
CleverCLUB-26.03.15-G.KanevskyCleverCLUB-26.03.15-G.Kanevsky
CleverCLUB-26.03.15-G.KanevskyCleverDATA
 
Predictive models for Operational analytics
Predictive models for Operational analyticsPredictive models for Operational analytics
Predictive models for Operational analyticsCleverDATA
 

More from CleverDATA (20)

CRM onboarding - оффлайн данные для онлайн рекламы
CRM onboarding - оффлайн данные для онлайн рекламы CRM onboarding - оффлайн данные для онлайн рекламы
CRM onboarding - оффлайн данные для онлайн рекламы
 
Jpoint 2017 - как это было (обзор конференции)
Jpoint 2017 - как это было (обзор конференции)Jpoint 2017 - как это было (обзор конференции)
Jpoint 2017 - как это было (обзор конференции)
 
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)
 
Data exchange как ключевой элемент экосистемы обмена данными
Data exchange как ключевой элемент экосистемы обмена даннымиData exchange как ключевой элемент экосистемы обмена данными
Data exchange как ключевой элемент экосистемы обмена данными
 
Text mining of Beauty Blogs: о чем говорят женщины? (Артем Просветов, data sc...
Text mining of Beauty Blogs: о чем говорят женщины? (Артем Просветов, data sc...Text mining of Beauty Blogs: о чем говорят женщины? (Артем Просветов, data sc...
Text mining of Beauty Blogs: о чем говорят женщины? (Артем Просветов, data sc...
 
CleverDATA _HybridConf16_Public
CleverDATA _HybridConf16_PublicCleverDATA _HybridConf16_Public
CleverDATA _HybridConf16_Public
 
Splunk for IT Operations and IT Service Intelligence
Splunk for IT Operations and IT Service IntelligenceSplunk for IT Operations and IT Service Intelligence
Splunk for IT Operations and IT Service Intelligence
 
Splunk - универсальная платформа для работы с любыми данными
Splunk - универсальная платформа для работы с любыми даннымиSplunk - универсальная платформа для работы с любыми данными
Splunk - универсальная платформа для работы с любыми данными
 
CleverDATA_Afanasev_DigitalEconomy
CleverDATA_Afanasev_DigitalEconomyCleverDATA_Afanasev_DigitalEconomy
CleverDATA_Afanasev_DigitalEconomy
 
Д.Афанасьев_ CleverDATA_Охота за данными
Д.Афанасьев_ CleverDATA_Охота за даннымиД.Афанасьев_ CleverDATA_Охота за данными
Д.Афанасьев_ CleverDATA_Охота за данными
 
Fors и big data appliance
Fors и big data applianceFors и big data appliance
Fors и big data appliance
 
Clever data datascienceweek_spark_vs_hadoop_in_online_audience_segmentation
Clever data datascienceweek_spark_vs_hadoop_in_online_audience_segmentationClever data datascienceweek_spark_vs_hadoop_in_online_audience_segmentation
Clever data datascienceweek_spark_vs_hadoop_in_online_audience_segmentation
 
CleverDATA_Oracle Cloud BI Day 2015
CleverDATA_Oracle Cloud BI Day 2015CleverDATA_Oracle Cloud BI Day 2015
CleverDATA_Oracle Cloud BI Day 2015
 
CleverDATA for Hadoop_Meetup_22052015_Spark_vs_Hadoop
CleverDATA for Hadoop_Meetup_22052015_Spark_vs_HadoopCleverDATA for Hadoop_Meetup_22052015_Spark_vs_Hadoop
CleverDATA for Hadoop_Meetup_22052015_Spark_vs_Hadoop
 
CleverDATA_Spark_audience_segmentation_in_online_ad
CleverDATA_Spark_audience_segmentation_in_online_adCleverDATA_Spark_audience_segmentation_in_online_ad
CleverDATA_Spark_audience_segmentation_in_online_ad
 
Julia Tuzin teradata omnichannel_interactions
Julia Tuzin teradata omnichannel_interactionsJulia Tuzin teradata omnichannel_interactions
Julia Tuzin teradata omnichannel_interactions
 
Karel jabornik teradata real-time-interaction_mngmt
Karel jabornik teradata real-time-interaction_mngmtKarel jabornik teradata real-time-interaction_mngmt
Karel jabornik teradata real-time-interaction_mngmt
 
CleverCLUB-26.03.15-K.Obukhov
CleverCLUB-26.03.15-K.ObukhovCleverCLUB-26.03.15-K.Obukhov
CleverCLUB-26.03.15-K.Obukhov
 
CleverCLUB-26.03.15-G.Kanevsky
CleverCLUB-26.03.15-G.KanevskyCleverCLUB-26.03.15-G.Kanevsky
CleverCLUB-26.03.15-G.Kanevsky
 
Predictive models for Operational analytics
Predictive models for Operational analyticsPredictive models for Operational analytics
Predictive models for Operational analytics
 

Big Data for Customer centric organisation - CleverDATA for Oracle CIO Club Moscow 26022015

  • 1. Company  Profile   Make  your  data  clever   Big  Data  в  Маркетинге  
  • 2. cleverdata.ru    |    info@cleverdata.ru   Make  your  data  clever   Развитие    бизнеса     на    международном     рынке  с  2012  года   Входит  в  тройку   лидеров  российских  ИТ  компаний   43  подразделения  в  России  и  за   рубежом   Более  5500  сотрудников   100  тыс.проектов  для  10  тыс.заказчиков   Инновационная  платформа   управления  данными   «Биржа»  данных   Облачный  сервис   Открытые  технологии   Создана  в  2014  г.   Фокус  на  работе  с  «Big  Data»     Собственные  центры  разработки   Партнерство  с  мировыми  лидерами   и  научными  институтами   Центр  экспертизы  по   технологиям  Big  Data  и   Digital  MarkeVng  
  • 3. cleverdata.ru    |    info@cleverdata.ru   Немного  о  Big  Data   ВЫСОКАЯ  СКОРОСТЬ   БОЛЬШОЙ  ОБЪЕМ   ЗНАЧИТЕЛЬНАЯ  ВАРИАТИВНОСТЬ   Web  логи   Финансовые  транзакции   Социальные  сети   Web  контент   Машинные  данные   Открытые  данные   Hadoop   MPP  (VerVca,  Exadata,  Greenplum,   Teradata)   NoSQL  (Key-­‐Value,  Document-­‐ oriented,  Column-­‐based,  Graph-­‐ oriented)   In-­‐memory  Data  Grids,  CalculaVon   Grids   Data  Mining     Machine  Learning  /  StaVsVcs  /  Natural   Language  Processing   Event-­‐Stream  Processing   Значимость  данных  в  том,  как  вы   анализируете  и  применяете  эти  данные   для  развития  своего  бизнеса     Понимание  клиента  и  его  поведения   Информационная  безопасность   Управление  рисками   Повышение  операционной  эффективности       Crea•ve/Business  Cases   “Потенциал  Big  Data  раскрывается  в  полной  мере  при  взаимодействии  с   другими  данными  корпорации.”  Билл    Фрэнкс.    
  • 4. cleverdata.ru    |    info@cleverdata.ru   Бизнес-­‐решения   Платформы управления данными Решения для интернет рекламы Управление клиентской базой Автоматизация маркетинга Web- аналитика Make  your  data  clever   •  Уникальные   DMP   системы   обработки   online   и   offline   данных   для  целей  RTB  и  сегментации  клиентов   •  Полный  стек  решений  для  онлайн  рекламы   •  Решения   для   укрепления   клиентского   опыта   и   повышения   продаж   за   счет   консолидации   всех   элементов   вашей   data-­‐ driven  маркетинговой  стратегии   •  Модели   управления   оттоком   клиентов,   моделирования   отклика,   микро-­‐сегментирования   клиентской   базы,   скоринга,   выявления  мошенничества   •  Решения   для   анализа   digital   опыта   ваших   клиентов   и   web-­‐   аналитики   •  Решения  для  управления  всей  digital  активностью  компании     Digital Intelligence Operations Efficiency
  • 5. cleverdata.ru    |    info@cleverdata.ru   Вы  уверены,  что  знаете  своего  клиента?   Считается,  что  основные  жизненные  вехи  формируют  портрет  клиента  и   помогают  понять  потребности   •  Родился  в  1958   году  в  России;     •  Живет  в  Москве;       •  Отец  двух   дочерей;     •  Любит  рыбалку.   •  Родился  в  1958   году  в  России;     •  Живет  в  Москве;       •  Отец  двух   дочерей;     •  Любит  рыбалку.   Текущие  подходы  к  сегментированию  клиентов  уже  не  работают  
  • 6. cleverdata.ru    |    info@cleverdata.ru   Не  зная  своего  клиента,  компания  его  потеряет   Нецелевые  предложения  клиенту  приносят  больше  вреда,  чем  пользы   Уместно?   Вовремя?   Ценно?   Доступно?    
  • 7. cleverdata.ru    |    info@cleverdata.ru   Полная  информация  по  каждому   клиенту  индивидуально,   доступная  маркетологу  в  любой   момент  времени       Customer-­‐centric  подход  
  • 8. cleverdata.ru    |    info@cleverdata.ru   Построение  Единого  профиля  клиента  –     Ключ  к  построению  Customer-­‐centric  организации   Характеристики  ценности  клиента  для  компании     Состояние  клиента  в  рамках  «жизненного  цикла   клиента»     Социально-­‐демографический  профиль     Интересы  и  предпочтения     Характеристики  коммуникации  с  клиентом     Склонности  к  покупке  и  намерения   Вероятность   оттока    35%   Лояльность    87%   Надежность    20%   Кредитная   нагрузка   Низкая   Семья   2  чел   Доход  семьи   Средний   Инвестиции,   экономика   66%   Автомобили   5%   Недвижимость   10%   Накопления   18%   Технологии   63%  Действующих   продуктов   5   Последняя   покупка   36  дн   Активность   28%   CLTV   Средний   В  клиентской   базе    35.2  мес   Удовлетворенность   75%   Уровень   коммуникации   20%   Уровень  отклика    18%   Более  1000  категорий  
  • 9. cleverdata.ru    |    info@cleverdata.ru   Как  использовать  полученные  знания?   Получение  анонимной   информации  о  поведении  и   интересах   Определение  драйверов  для   получения  клиента  и   формирования  целевого   предложения   Привлечение   Получение   Вовлечение   Удержание   Получение   персонифицированного   профиля  клиента   Интеграция  с  социальным   профилем     Использование  real  Vme   данных  для  повторных   покупок  и  целевых  продаж   Формирование  профиля  по   текущим  потребностям,   предпочтениям  и  намерениям   Повышение  уровня   обслуживания  клиента   Эффективное   сегментирование  клиентской   базы   Определение  признаков   оттока  клиента     •  Повышение  эффективности  маркетинга   •  Снижение  издержек   •  Увеличение  прибыли  
  • 10. cleverdata.ru    |    info@cleverdata.ru   Пример  внедрения   Средняя  точность  таргетинга   увеличилось  на  5-­‐7x,  что  приводит   к  увеличению  конверсии  и  лояльности  клиентов  
  • 11. cleverdata.ru    |    info@cleverdata.ru   Пример  внедрения  
  • 12. cleverdata.ru    |    info@cleverdata.ru   Построение  Единого  профиля  клиента  –     Ключ  к  построению  Customer-­‐centric  организации   Заранее  определенные  метрики  и   характеристики,  вычисляемые  в  режиме   реального  времени  по  каждому  клиенту;     Максимальный  набор  исходной  информации:   от  данных  транзакционных  систем  до  истории   взаимодействия  с  клиентом  по  маркетинговым   каналам  и  внешней  информации  о  клиенте;     Непрерывное  повышение  точности  профиля  с   помощью  алгоритмов  машинного  обучения  и   математической  статистики   Вероятность   оттока    35%   Лояльность    87%   Надежность    20%   Кредитная   нагрузка   Низкая   Семья   2  чел   Доход  семьи   Средний   Инвестиции,   экономика   66%   Автомобили   5%   Недвижимость   10%   Накопления   18%   Технологии   63%  Действующих   продуктов   5   Последняя   покупка   36  дн   Активность   28%   CLTV   Средний   В  клиентской   базе    35.2  мес   Удовлетворенность   75%   Уровень   коммуникации   20%   Уровень  отклика    18%  
  • 13. cleverdata.ru    |    info@cleverdata.ru   Примеры  использования  подхода   Внедрение  решения  в  процесс  формирования  адресных,  индивидуальных  маркетинговых   кампаний  помогло  переходу  TELENET  к  модели  клиенто-­‐ориентированного  бизнеса,   повышению  лояльности  существующих    клиентов  и  снижению  их  оттока.     В  результате  перехода  на  новую  модель  сегментирования  клиентской  базы,  Telenet  стал  способен:     •  Правильно  таргетировать  клиентские  предложения  в  нужное  время  и  через  множество  каналов  и   повысить  уровень  Cross  Sell  для  создания  дополнительного  дохода;   •  CRM  отдел  TELENET,  достиг  рейтинга  в  93  процентиля,  по  индексу  Dow  Jones  Sustainability  Index;   •  Увеличить  количество  кампании:  До  начала  работы  с  NGDATA,  Telenet  запускал  100  кампаний  в  год;   Теперь  компания  работает  более  чем  с  750  кампаниями  в  год;   •  Увеличить  Return  Rate  маркетинговых  кампаний  на  300-­‐400%;   •  Провести  успешную  маркетинговую  кампанию  «King  and  Kong»  которая  в  четыре  раза  увеличила   клиентскую  базу  TELENET  в  течение  нескольких  месяцев  проведения  кампании.  
  • 14. cleverdata.ru    |    info@cleverdata.ru   Источники  данных   Источник   Данные   Внутренние   MarkeVng  AutomaVon   Contact  name,  Vtle,  company,  open  rates,  unsubscribes,  web  visits,  pages  visited,  lead  score,  video  views,  downloads   CRM   Company,  contact  informaVon,  win/loss,  deal  value   Использование  продукта   Features  used,  logins,  session  length,  collaboraVon   История  покупок   Products  purchased,  prices  paid,  discounts,  contract  terms   Customer  Support  History   Complaints,  resoluVons   Внешние   Публичные  сайты   Job  posVngs,  grants,  liVgaVon,  patents,  contracts,  locaVons,  growth   Сайт  компании   Language(s),  products,  shopping  cart,  execuVve  team  profiles   Социальные  сети   Company  and  personal  profiles,  likes,  comments,  updates,  friends/  connecVons/followers,  usage   Медийные  сайты   News  arVcles  and  stories,  product  launches,  announcements,  press  releases,  liVgaVon   Offline  данные   Credit  raVngs,  financial  history,  construcVon  permits/  starts,  deployed  technologies   Более  15  поставщиков  данных   Раскройте  потенциал  данных  о  клиенте  
  • 15. cleverdata.ru    |    info@cleverdata.ru   Используем  всю  информацию   Customer  TransacVon  Data     Web  analyVcs   CRM   DWH/CM/Call  center   Company  Data   Social  Data     Web  surfing   eCommerce  Data   3th  Party  Data   Mobile  Data   Enterprise  DMP  Connectors  API/ETL   Data  Exchange   3th  Party  Offline  Data   Enterprise  BI  and  reporVng   ReporVng  /  AnalyVcs   Company  Web  Site   Mobile  Apps   Company  acVviVes   Customers  acVviVes   Web  and  Mobile   RTB  ecosystem   Partners  web  and  mobile   Social   Web   Email   MarkeVng  campaign   Campaign   management   SMS   Call  center   Offline   CRM   Service  Desk   Customer   eXperience   Profiler   Big  Data   storage   Machine   Learning     Real  Time   storage   PredicVve   analyVcs   Common  Services   Scoring  Data    
  • 16. cleverdata.ru    |    info@cleverdata.ru   •  Data  Exchange    Поставка  «сырых»  и  «аналитических»  3rd  party  offline  и  online    данных  с  возможностью  их  пред-­‐обработки  и  объединения   •  DMPKit    Набор  компонентов  для  построения  вашей  собственной  DMP  платформы    для  целей  RTB  и  подключения  к  рекламной  экосистеме   •  DataDEPO    Аналитическое  хранилище  данных  на  базе  Hadoop  и  собственных    компонентов  управления  данными   •  Web  Crawler    Сервис  сбора  контента  из  сети  Интернет  с  целью  анализа  медийного    пространства,  соц.  сетей  и  популярных  онлайн  площадок     •  Text  Classifier    Сервис  классификации  произвольного  текста  с  помощью  алгоритмов    машинного  обучения  и  произвольного  набора  аналитических  категорий   DMPKit   Data  Exchange    Собственные  решения  линейки  1DMP.RU   DataDEPO   Text  Classifier   Web  Crawler   Более  10  партнеров  
  • 17. cleverdata.ru    |    info@cleverdata.ru   Храните  данные  
  • 18. cleverdata.ru    |    info@cleverdata.ru   Краулинг  данных  
  • 19. Tаблица 1 Category Name Accuracy Test Accuracy Train Documents IAB18 Мода и стиль 76.8% 97% 400 IAB12 Новости 68.2% 96% 22 IAB10 Дом и сад 63.3% 96% 400 IAB2 Автомобили 96% 100% 400 IAB15 Наука 79% 99% 400 IAB25 Нестандартные материалы 74% 97% 400 IAB20 Путешествия 71% 99% 400 IAB26 Нелегальные материалы 9% 97% 36 IAB21 Недвижимость 83% 99% 400 IAB17 Спорт 82% 98% 400 IAB1 Искусство и развлечения 63% 90% 400 IAB4 Карьера 86% 99% 400 IAB6 Семья 69% 97% 391 IAB16 Домашние животные 88% 100% 400 IAB19 Вычисления и технологии 87% 99% 400 IAB8 Питание 84% 92% 400 IAB5 Образование 63% 87% 400 IAB11 Закон и политика 80% 99% 400 IAB3 Бизнес 63% 96% 400 IAB9 Хобби и интересы 68% 98% 400 IAB23 Духовность и религия 84% 100% 400 IAB7 Здоровье и фитнес 77% 100% 400 IAB14 Общество 77% 98% 400 IAB13 Личные финансы 96% 100% 400 0% 25% 50% 75% 100% IAB18 IAB12 IAB10 IAB2 IAB15 IAB25 IAB20 IAB26 IAB21 IAB17 IAB1 IAB4 IAB6 IAB16 IAB19 IAB8 IAB5 IAB11 IAB3 IAB9 IAB23 IAB7 IAB14 IAB13 Accuracy Train Accuracy Test cleverdata.ru    |    info@cleverdata.ru   Точность  классификации   Приведены  значения  точности  классификации  текстов  в  свободном  формате,   проведенной  на  обучающей  выборке,  подготовленной  специалистами  CleverDATA   IAB  –  универсальная  классификация  категорий  интересов  интернет  пользователя,   являющаяся  стандартом  для  RTB  рекламы  
  • 20. cleverdata.ru    |    info@cleverdata.ru   Варианты  развертывания      Использование  как  сервис  в  облаке  1DMP.RU        Развертывание  на  базе  Oracle  Big  Data  Appliance  
  • 21. cleverdata.ru    |    info@cleverdata.ru   Что  происходит  в  интернете  за  минуту   •  204  000  000  –  новых  электронных  писем   •  20  000  000  –  просмотров  фотографий  на  Flickr   •  6  000  000  –  просмотров  страниц  на  Facebook   •  2  500  000  –  поисковых  запросов  через  Google   •  1  300  000  –  просмотров  видео  в  YouTube   •  100  000  –  новых  твитов  в  Twišer   •  $83  000  –  сумма  продаж  товаров  в  Amazon   •  47  000  –  скачиваний  приложений   •  1  300  –  человек  покупают  мобильные   устройства,  подключенные  к  интернету   •  640  –  терабайт  данных  обрабатывается   •  135  –  троянских  заражений  ботнет-­‐сетями   •  30  –  часов  нового  видео  загружается  в  YouTube   •  6  –  новых  статей  публикуется  в  Википедии   Сбор   Хранение   Очистка   Классификация     6M  html  pages   70  GB  of  data     11mins,  17sec   Oracle  BDA   Starter  Kit  
  • 22. cleverdata.ru    |    info@cleverdata.ru   Преимущества  1DMP  for  Enterprise   Автоматическое  обучение  в  процессе  работы  без  участия   человека   Использования  решения  не  требует  замены  текущих  систем   Доступ  в  большому  количеству  внешних  данных  через  Биржу   данных   Возможность  подключения  решения  к  RTB  экосистеме     В  общем  случае  при  сценарии  более  точного  сегментирования   достигается  повышение  результативности  маркетинговых   кампаний  минимум  на  40%  и  выход  на  окупаемость  в  течение   первого  года  эксплуатации  системы.   90  дней  до  первого  бизнес-­‐результата