BIGDATA: ПОДХОДЫ К РЕАЛИЗАЦИИ ПРОЕКТА
2
#
AGENDA
BigData: Что? Зачем?
02
BigData: Методология
03
BigData: Проектная команда
04
Представление
01
3
#
AGENDA
BigData: Что? Зачем?
02
BigData: Методология
03
BigData: Проектная команда
04
Представление
01
4
#
О КОМПАНИИ
Топ-10 ИТ-компаний России
1
Топ-3 консалтинговых компаний России
2
Реализуем более 2000 проектов в год
Владеем собственным ЦОД TIER III
1
РА «Эксперт», 2016 г., TAdviser100, 2017 г.;
2
Коммерсант-Деньги, 2016 г., РА «Эксперт», 2016 г.
Дервишева Снежана
Ведущий консультант по
внедрению бизнес-приложений
Группа консультантов по анализу и
автоматизации бизнес-процессов
5
#
AGENDA
BigData: Что? Зачем?
02
BigData: Методология
03
BigData: Проектная команда
04
Представление
01
6
#
BIGDATA: ОЖИДАНИЯ БИЗНЕСА В НАСТОЯЩЕЕ ВРЕМЯ
РЕАЛЬНОЕ
ВРЕМЯ
НЕСТРУКТУРИРОВАННЫЕ
ДАННЫЕ
Б
изнес принимает
решения
7
#
ПРИМЕР ИСПОЛЬЗУЕМЫХ ДАННЫХ (BIGDATA)
Предпочтения
Влияние на
аудиторию
Сегментация
История коммуникаций
Удовлетворенность
Данные клиента, из
внутренних и внешних
источников
Транзакции
Связи с другими клиентами
8
#
ПРИМЕР КЕЙСА, РЕШАЕМОГО С ПОМОЩЬЮ BIGDATA
Auto-forum.ru
“Я очень хочу купить Ауди, но
хватает денег только на ладу
калину=(”
user:
Горбунков Семен
Семенович
Leads
1
9
#
AGENDA
BigData: Что? Зачем?
02
BigData: Методология
03
BigData: Проектная команда
04
Представление
01
10
#
DWH&BIGDATA
B
ig
D
ata
Бизнес:
Хочу такой отчет!
Аналитик:
Для
такого
отчета
нам
понадобятся
такие
параметры…
ИТ:
Эти
параметры
мы
сможем
интегрировать
из
таких источников..
ИТ:
Давайте
соберем
все
доступные
нам
данные
в
одном
месте
Аналитик:
Тогда
у
меня
будет
возможность
проверять
гипотезы бизнеса
Бизнес:
Я
смогу
быстро
получать
информацию
в любом виде
DATA LAKE
DWH
Л
аборатория данных
Бизнес:
Хочу сейчас,
а
потом
еще ….
11
#
ОСНОВА ПРОЕКТОВ BIGDATA
Импортируем все
Импортируем все
доступные нам данные
доступные нам данные
ERP
CRM
BigData
BigData
Анализируем данные
Анализируем данные
Модель предсказательной
Модель предсказательной
аналитики/проверка гипотезы
аналитики/проверка гипотезы
12
#
ЭТАПЫ ПРОЕКТОВ, BIGDATA: ИМПОРТ ДАННЫХ
Импортируем все
Импортируем все
доступные нам данные
доступные нам данные
ERP
CRM
BigData
BigData
ОПЭ
5
Перевод
в
опытно-
промышленную
эксплуатацию
для
импорта данных
Техническое задание
3
Документирование
требований
и
принципов
их реализации в ТЗ
Анализ
1
Сбор и
анализ
информации
по
источникам
Архитектура
2
Определение
функциональной
и
технической
архитектуры
разрабатываемого решения
Разработка и тестирование
4
Разработка
решения,
выполнение
тестирования
Оправдано использование методологии,
применяемой при внедрении enterprise-
решений
13
#
ЭТАПЫ ПРОЕКТОВ, BIGDATA: АНАЛИЗ, МОДЕЛИ И ГИПОТЕЗЫ
01
01
02
02
03
03
04
04
05
05
06
06
Понимание
бизнеса
Определение
бизнес-целей
и
их
трансформация
в
задачу
интеллектуального анализа данных
Развертывание
Представление
результатов
для
использования бизнес-заказчиком
Подготовка данных
Определение
окончательного
набора
для
построения
Модели
или
проверки
гипотезы,
выполнение
необходимых
преобразований с данными
Моделирование
Выбор
методов
моделирования,
их
использование
Понимание данных
Анализ
данных,
в
том
числе,
их
качества.
Определение
структуры
данных,
взаимосвязей для построения гипотез
Оценка
Оценка
полученных
результатов
Модели
или
проверки
гипотезы
с
точки
зрения
решения
бизнес-задачи
→
передача
в
пром или повторная итерация
14
#
ЭТАПЫ ПРОЕКТОВ, BIGDATA: CRISP-DM
Business
Understanding
Data
Preparation
Deployment
Evaluation
Data
Understanding
Modeling
Data
Анализируем данные
Анализируем данные
Модель предсказательной
Модель предсказательной
аналитики/проверка гипотезы
аналитики/проверка гипотезы
15
#
ПОДХОДЫ К РЕАЛИЗАЦИИ ПРОЕКТОВ: ФОРМИРОВАНИЕ ПРЕДЛОЖЕНИЯ КЛИЕНТУ
Увеличение
продуктового
проникновения
Цель
Цель
:
:
Инструмент :
Инструмент :
Тематические сайты партнеров
•
Расчет кредитоспособности заемщика
для
определения
целесообразности
формирования кредитного предложения
Задачи:
Задачи:
16
#
ПОДХОДЫ К РЕАЛИЗАЦИИ ПРОЕКТОВ: BIGDATA НА ПРИМЕРЕ КЕЙСА
Enterprise
CRISP-DM
Импорт данных и триггеров
Импорт данных и триггеров
На сайте Партнера Банка
зафиксировано его
посещение Клиентом
Расчет кредитоспособности Клиента на
основании данных Профиля 360 (Модель)
и формирование предложения
E
R
P
C
R
M
BigData
BigData
Импорт
Анализ данных и
построение Модели
17
#
AGENDA
BigData: Что? Зачем?
02
BigData: Методология
03
BigData: Проектная команда
04
Представление
01
18
#
ПРОЕКТНАЯ КОМАНДА: DWH
Бизнес-аналитик
Архитектор
ETL-разработчик
Data Miner
Бизнес-аналитик
Выявление бизнес-целей заказчика, продумывание
концепций решения и формирование требований
Архитектор
Принятие ключевых
проектных
решений
относительно
внутреннего
устройства
программной
системы и её технических интерфейсов
ETL-разработчик
Проектирование,
разработка
и
оптимизация
процессов
преобразования
данных
(ETL)
для
хранилища данных (DWH)
Data Miner
Технически
подкованный
специалист,
который
выполняет
ряд
операций
с
данными
(поиск,
подготовка, создание предиктивной модели)