O DATECH S ANALYTIKEM Jan Matoušek 1

Analytik - Jan Matoušek 2 V data miningu od roku 2003 Od roku 2009 vlastní firmu na data mining jménem Data Mind Typické Projekty:  Tvorba modelů zákaznického chování, např.: Afinitní a cross-selové modely Blažek, Automotive, call centra Segmentace pro Lekarna.cz, TOP e-shopy, Automotive, Retail, Eurotel/ Telefonica O2 Churn prediction (předpovědi výpovědí)- Telefonica O2  Vyhodnocení a návrhy úprav věrnostních programů pro Eurotel a O2, Coca-Cola  Cílení a vyhodnocení kampaní (Telefonica O2)

O datech bez aditiv Bez konzultačního balastu Na datech vydělává jen ten, kdo je umí využít S velikostí dat neroste lineárně zisk Bez BIG DATA balastu Většina dat v České republice NEJSOU BIG DATA Centrální otázka: Jak vyděláte s daty peníze ? 3

Interní data a jejich hodnota Jak správně ocenit zdroje dat ? Transakční data o nákupech Tato data obsahují pravdu o rozhodnutí zákazníka Vyskytují se mnohdy v bezchybné kvalitě Obvykle nejziskovější oblast Webové procházení stránek Trasy zákazníků určují kvalitu obchodu a jeho akviziční funkčnost Obvykle v druhé řadě při hledání hodnoty Pro vytěžení dat se nespokojte s agregovanými daty, tj. report nejsou akční data 4

Co jsou to primární data 5 Primární data Agregovaná data Kdo kontroluje vaše primární data ? Agregovaná data mají malou hodnotu pro cross – selové nástroje, předpovědi chování apod.

Otevřená data ? Co to je ? Otevřená data jsou data pořízená z daňových peněz, které má stát povinnost zpřístupnit Ne vždy tak ochotně činí Obvykle vyžadují nějaké dolování Rozhodli jsme se je zpracovat a použít ! Ochutnávka na atlas.cz 6

Konkurenční data ? Kde je vzít? 7 Jaká je má konkurenční pozice ? Jaká je reálná hodnota této pozice? Jaká je optimální pozice? Data nejsou „nasnadě“ ale lze je vydolovat

Jakou cenu mají vaše data Otázky, které si klást: Kolik nákupů nám přinese důsledné využití datového zdroje ? Co říká o zákazníkovi ? Jak moc se týká businessu ? Kolik je v něm lidí a nákupů, položek ? Lze to propojit s kontaktem na zákazníka a komunikaci s ním ? Kolik je tam chyb a jak moc vadí ? Otázky, které si nikdy neklást: Jsou to BIG DATA ? Je to cool a inovativní, trendy ? Získá nám to lajky ? A co CTR, Imprese ? 8

Datové smetí a balast Nestrukturovaná data bez času a peněz na jejich zpracování Příklady: Statisíce stížností, které se lehce týkají i našeho obchodu Soutěž na Facebooku se statisíci příspěvky od věci Diskusní fóra, ve kterých je 1,5% obsahu k našemu businessu Nakoupené a podloudně získané nekvalitní databáze spotřebitelů bez konexe k našemu businessu Nedává smysl kombinovat Big data s malou: Hodnotou Penězi Vůlí 9

Big data ČESKY 10 Kdy máte tu čest: Objem vyžaduje farmy serverů, ne jeden notebook Těžko zvladatelná rychlost Například nových řádků za sekundu Různorodé zdroje Špatně kontrolovatelná kvalita dat Máte pro ně obchodní model? Varování datového praktika : Užívání big dat bez obchodního modelu zpusobuje pomalou a bolestivou paralýzu Objem Různo- rodost Ne (kvalita) Rychlost

Jak začít těžit z dat peníze Objemy dat nemají žádný smysl bez ziskové práce s nimi: Segmentovaná a personalizovaná komunikace se zákazníky Nové příležitosti a území – akvizice Optimalizace všeho druhu 11

Jdeme na data ! 12

Výsledky Pomocí jednoduché segmentace jsme vytvořili skupinu s X -násobnou návratností využitelnou pro… oslovení letákem / katalogem oslovení adresným direct mailem telefonickou komunikací doplňkovou SMS komunikací věrnostní komunikaci relevantní sdělení v elektronických kanálech 13

Learnings Přidání struktury do dat = vytěžení dat umožní ziskovou komunikaci Hromaděním nestrukturovaných dat nedosáhneme v prvním kroku nic Nepřinášejte oběti zlatému teleti jménem BIG DATA, naopak vytěžte data, která jsou na dosah 14

Data Mind s.r.o. U průhonu 466/ Praha 7 Jan Matoušek