Инструментарий

PSPP — бесплатная замена SPSS Statistics

1

Обнаружил интересный проект, по мнению авторов которого, они считают свое решение полноценной заменой SPSS Statistics, информацию можно найти по адресу https://www.gnu.org/software/pspp/. Там же можно найти и скачать дистрибутив и документацию.

Как пишут авторы есть всего несколько отличий: ваши лицензии никогда не закончатся, нет никаких ограничений по количеству строк и столбцов, система поддерживает больше миллиона значений и переменных, вся функциональность содержится в базовом пакете, не нужно искать никаких расширений, как это сделано в SPSS. Все эти ограничения конечно же положительные.

Небольшое добавление: если у вас windows придется немного повозится чтобы поставить cygwin.

Ну что же, нужно протестировать и составить свое впечатление. Мое убеждение о том, что инструмент сейчас обесценивается, только растет. В тренде именно отраслевые бизнес-решения.

Удачи вам и не спешите платить за инструмент, пусть даже вам его продает команда лучших маркетологов!

Извлекаем выгоду из рациональности

0

Хотелось бы порассуждать на тему, а сколько реально можно сэкономить/заработать, если полностью абстрагироваться от эмоционального поведения и довериться рациональному, основанному не на чувствах, а на конкретных фактах (читать цифрах). Конечно, цифры при этом должны быть полностью интерпретированы и укладываться в общее понимание мира.

Возьмем для примера задачу оптимизации тарифной политики. Я буду рассматривать на примере телекома, но в принципе ничего не мешает, такие же рассуждения применить к другим отраслям. Возьмем, например, провайдера проводного доступа в Интернет. У него есть линейка тарифов, понятно, что она со временем меняется, какие-то абоненты сидят на архивных тарифных планах, т.е. они менее рациональны и скорее всего переплачивают, какие-то абоненты, возможно, сидят на акционных предложениях, в этом случае может быть как ситуация с переплатой так и с экономией.
Если проанализировать распределение абонентов по ARPU, скорее всего, график распределения будет близок к нормальному, возможно с некоторым сдвигом в стороны минимальной границы тарифных планов, с локальными максимами в тарифах. При этом, он скорее всего будет функцией непрерывной, так как есть абоненты, которые уходят в блокировку, есть абоненты, которые подключились в середине периода, соответственно ARPU таких абонентов будет представлять из себя вид растущей линейной функцией с максимумом в виде тарифа (возможно, он будет увеличен еще на максимум из суммы тарифов доп. услуг). Если тарифные планы с оплатой по трафику, скорее линейная непрерывная функция.
Как правило, для увеличения эффективности работы с абонентской базы, менеджеры разрабатывают стимулирующие мероприятия для перехода клиентов в сегмент с большим ARPU. «Растят» абонентов. Это может быть как за счет увеличения скорости (но с некоторой скорости спрос становится неэлластичным, т.е. не имеет смысл абоненту переходить на тарифный план с большей скоростью и, как следствие более дорогим), так и за счет некоторого включенного в пакет набора дополнительных услуг (тут тоже есть предел, так как доп. услуги могут быть с высокой себестоимостью, либо попросту неинтересны абоненту). Понятно, что в какой-то момент времени и эти мероприятия попросту перестают работать или становятся менее эффективны (в момент когда эффект ниже чем затраты на коммуникацию, в этом случае нет смысла продолжать).
Если отбросить абонентов, которые уходили в расчетном периоде в блокировку, подключались в расчетном периоде, то скорее всего график из себя будет представлять точки в виде тарифов. Ну или если сделать веса в виде количества абонентов, то скорее всего это будет похоже на бусины, которые переходят от большего к меньшей до какого-то момента, с увеличение на конце с последующим убыванием. Это связано с неким премиум-сегментом, который иногда доходит и до 10%, который не считает денег, а привык брать самое дорогое.
Если анализировать поведение всех абонентов, то они, как правило, в среднем иррациональны, и переплачивают за свою иррациональность по моим наблюдениям процентов 20%. Задача любого аналитика сделать такую иррациональность максимальной.
И тут есть несколько инструментов:
1. Предложить больше услуг за чуть большие деньги. Но при этом себестоимость должна увеличиться меньше чем сумма, на которую увеличивается чек.
2. Предложить существенное увеличение скорости за чуть меньшие деньги, принцип с себестоимостью тот же.
3. Индексировать архивные тарифные планы. Не люблю такие приемчики, но они работают. Это позволяет расшевелить иррациональных абонентов и «уложить» их в правильные тарифы. Но тут с точки зрения удержания все должно работать как часы. В противном случае можно и навредить. Большинство абонентов вряд ли будут дергаться из-за переплаты 50 рублей.
4. При авансовой системе следить за своевременным пополнением счета и напоминать заранее абоненту пополнить его. Ведь каждый день простоя это минус в ARPU. При кредитной аналогично. Тут тоже есть инструменты в виде обещанного платежа, доверительного кредита и т.д. Все что заставляет абонента пользоваться дальше услугой без перерыва. Интересно, но факт, что разница в ARPU между авансовой системой расчета и кредитной составляет более 10% в пользу последней, самую большую разницу, которую я видел, составляла 25%.

Это все работает, проверено опытным путем. Но есть и более сложные механизмы, которые тяжело поддерживают, но которые позволяют выжать максимум. Каждый абонент имеет свою границу комфорта затрат на конкретный товар или услугу и конкретную границу неэластичной переплаты. Чем лучше вы понимаете абонента и знаете его границу комфорта тем эффективнее вы можете работать с таким абонентом. Есть компания Pontis, которая декларирует принцип Segment of one (об индивидуальной работе с каждым абонентом), они в основном специализируются на Top Up кампаниях для абонентов мобильной связи, идея которых заключается в стимулировании пополнения счета, и, за счет направленных предложениях, которые позволяют как можно быстрее этот счет уменьшить.
Такой принцип можно транслировать и на ценообразование. Мне пока сложно представить себе индивидуальный тариф для многомиллионной абонентской базы, но в теории это возможно, это сложно поддерживать, актуализировать, но возможно, при наличии определенных принципов, заложенных в модель, в этом случае вы еще больше можете «выжать» из абонентской базы. Однако, если вспомнить, даже школьную математику, то можно выжать некоторый эффект с помощью небольших усилий. Не обязательно делать индивидуальный тариф для каждого абонента. Добавление тарифов посередине интервалов, уже дает вам 50% от максимально возможного эффекта, следующая итерация деления пополам еще 25%. Т.е. если вы между границ тарифов уложите еще по 3 тарифа, вы можете выжать 75% из максимально возможного эффекта. Понятно, что какое-то время уйдет на стимулирование перехода, но это можно сделать.
В случае других товаров, это может быть такой же товар в другой упаковке за чуть большие деньги. Кто экономит, возьмет подешевле, кто нет, возьмет подороже. В рознице есть еще трюки, связанные с доступностью, перед глазами располагают самый дорогой товар, а на нижние полки, куда неудобно наклоняться, товар подешевле.

Также можно поступать и с оптимизаций затрат. Как правило, очень сложно представить себе ситуацию, при которой за период количество закупаемой продукции = количеству продаваемой. При аренде магистрального Интернет, это сделать еще сложнее, но также возможно. Важно знать, сколько вы продаете за период, какую полосу потребляют ваши абоненты и минимизировать эти запасы (читать переплаты).
В свое время, я решал подобные задачки на заре развития, удавалось экономить и зарабатывать на таких моделях достаточно много денег.
Я вам как-то рассказывал о задачке в электроэнергетике, оптовая закупка и продажа конечному потребителю, в телекоме и рознице похожий принцип. В случае значительного роста потребления, когда идет большое непрерывное расширение ресурса/закупки продукции (читать затрат), экономия при решении такой задачи может достигать огромных масштабов. Максимальная экономия может составлять до 50% дополнительных затрат за период. В среднем, с небольшим изменением бизнес-процессов, можно достаточно просто достигать 25-37%.

Удачи вам, будьте рациональны, это может значительно увеличить вашу эффективность.

Монетизация данных

0

Давно хотел поговорить о таком понятии, как монетизация данных или Data monetization. Объем данных в компаниях как правило увеличиваются, стоимость систем хранения данных за 1Гб снижается, но затраты на накопление данных растут. И если данные не использовать в коммерческих целях (т.е. не пытаться их использовать, чтобы на них заработать), то по сути это деньги на ветер.

Кроме этого появляются программно-аппаратные комплексы, которые могут обрабатывать не только структурированные внутренние данные, но и внешние неструктурированные данные сети Интернет, например. Стоимость таких комплексов как правило очень велика. Как правило упоминается Big Data.

Но хотел бы подчеркнуть, что использовать BigData и не монетизировать данные, это просто пустая трата трудоресурсов и денег.  Это на самом деле очень большая проблема, в мире до сих пор достаточно мало кейсов, при которых накопление новых объемов данных прямо пропорционально эффективности. Как правило, такие кейсы придумывают вендоры, чтобы продать новые комплексы. И не всегда они легко реализуемы.

В России уже тоже достаточно много компаний, которые такие комплексы имеют, но по прежнему компании встречаются все с теми же проблемами. Как вернуть потраченные деньги во всю эту инфраструктуру.

Я слышал несколько очень потенциально интересных кейсов, которые могут быть решены на этих комплексах. Но могу точно сказать, что окупаемость их гораздо больше 3-5 лет.

Сейчас все идут по принципу, чем больше данных, тем лучше, объемы хранилищ разрастаются до 200-400 терабайт, у некоторых мировых компаний, они составляют 10-ки петабайт.

Потом нанимаются специалисты-аналитики и вокруг данных создается инфраструктура, которая думает, что делать со всем этим массивом и как получить хоть какую-то ценность от этих данных. Иногда, не спорю, это оправдано, но иногда, просто пустая трата времени.

Я бы предложил строить хранилища по другому принципу. Есть заказчик, он доказывает эффективность именно этого набора данных путем использования семплированной небольшой порции данных. Есть эффект, пожалуйста, храним и используем на регулярной основе. Нет эффекта от накопления или нет заказчика, в топку детальную информацию, храним только агрегаты, они занимают меньше времени, и если вдруг однажды необходимость их использования появится, то для тестирования идей иногда достаточно и агрегатов, если не достаточно, смотри пункт 1, маленькая выборка и вперед по циклу.

Это подход конечно может потребовать постоянного перестроения архитектуры. но на мой взгляд он не требует разрастания штата на содержания всего ненужного массива.

В конечном итоге ведет именно к эффективному использованию ресурсов.

Накапливайте данные с умом.

Если кому-то интересны реальные отраслевые кейсы и вы не знаете с чего начать, пишите на cases@fsecrets.ru, помогу чем смогу.

Удачи Вам!

Русские идут (Прогноз или Prognoz)

0

Недавно познакомился с очень интересным решением от компании Прогноз. Решение разработано в Перми и история компании очень напоминает историю компании SAS. Решение российского разработчика очень интересно, потому что аккумулируют в себя действительно многие модные фичи. Компания уделяет большое внимание визуалу и функциям управления. Имеет очень симпатичный мобильный клиент. Конечно, буду справедлив и воздержусь о том, чтобы называть эту платформу BI-платформой. Скорее я бы сравнивал его с многими решениями, построенными на базе OLAP. В этом классе решений я бы их особо выделил.

Компания ставит себе действительно амбициозные задачи по превращению себя в глобального мегавендора, и стоит отметить, что попасть в квадрат Гартнера наверное дорогого стоит. Да и спецы Гартнера пока скорее относят эту платформу к нишевым решениям.

Очень хочется надеяться, что компания не затеряется на фоне лидеров.  Посмотрим на динамику в следующем году.

С точки зрения ценовой политики у них все хорошо. Мегавендоры значительно дороже и менее гибки в тарифной политике. В прогнозе как раз есть большое пространство для маневра и оптимизации затрат.

Кроме этого, я бы выделил русскую техподдержку 24 на 7. Для России, это действительно очень круто, потому как многие трабл тикеты мегавендорами отрабатываются не очень оперативно.

Ну для затравки статья рекламного содержания. Пока без моих комментариев. После детального изучения платформы отпишусь по плюсам и минусам. Минусы, как в любом решении, тоже есть, но не хочется быть голословным. Но я бы не сказал, что супер критичные. Все зависит от непосредственного кейса. Для некоторых кейсов, решение будет близким к идеальному. 

PS Если вам интересно, могу рассказать подробнее. Кроме этого, помогу получить скидку на решение и подобрать модули для оптимизации ваших затрат. Пишите на cases@fsecrets.ru.

 

Вот как они себя описывают (по материалам cnews.ru)

Prognoz Platform: ставка на простоту и функциональность

Prognoz Platform: ставка на простоту и функциональность

Сегодня одним из основных требований, предъявляемых пользователями к BI-системам, является простота в использовании. Топ-менеджменту нужны мощные, но при этом интуитивно понятные инструменты, позволяющие в режиме реального времени обработать необходимый объем информации и представить результаты в удобном для анализа виде. Этой тенденции рынка полностью соответствует программная платформа Prognoz Platform от компании «Прогноз»: ее основные инструменты, включая модули продвинутой аналитики, просты в освоении и удобны в использовании.

Инструмент для эффективного решения управленческих задач

Prognoz Platform – это BI-платформа, предназначенная для создания бизнес-приложений «под ключ», сочетающая дружественный интерфейс и высокую производительность на любых объемах данных. В продукте реализован принцип Self-Service BI («бизнес-аналитика для самообслуживания»), позволяющий конечным пользователям самостоятельно настраивать приложения без привлечения IT-специалистов. Аналитические системы, созданные на базе Prognoz Platform – это гибкие и функциональные решения, которые позволяют осуществлять всесторонний анализ накопленной информации, а также строить модели с учетом множества факторов, что значительно повышает качество прогнозных оценок.

Одна из ключевых особенностей Prognoz Platform – это универсальность. Так, платформа предоставляет инструменты, доступные как в традиционных пользовательских приложениях (настольное и веб-приложение), так и на мобильных устройствах, а также в «облачной» архитектуре. В состав Prognoz Platform входят как традиционные BI-инструменты для сбора и анализа данных, построения отчетов и статистического анализа, так и продвинутые инструменты моделирования и прогнозирования. Платформа является универсальным инструментом и по спектру отраслей, в которых используются решения на ее основе: сегодня аналитические системы на базе Prognoz Platform востребованы в корпоративном, финансовом и государственном секторах.


Средства платформы обеспечивают сбор, верификацию и консолидацию больших объемов данных из разнородных источников, а также позволяют проводить на их основе комплексный мониторинг и анализ ключевых показателей, настраивать модели и выполнять прогнозные расчеты. Из наиболее актуальных задач, которые сегодня решаются с помощью Prognoz Platform в бизнесе, можно назвать управление рисками, формирование отчетности, планирование и бюджетирование, в том числе калькулирование фактической себестоимости по местам возникновения затрат.

Помимо пользовательских инструментов, Prognoz Platform предлагает богатые функциональные возможности для разработчиков, в том числе блоки технологического уровня. Это средства разработки и интеграционные компоненты: конструктор хранилища данных, модуль ведения НСИ, ETL, среда разработки приложений (SDK), компоненты деловой графики, средства интеграции с социальными сетями. С их помощью можно гибко настраивать репозитории метаданных, загружать данные из внешних источников, работать с нормативно-справочной информацией. Базовый уровень инфраструктуры Prognoz Platform включает модуль администрирования и информационной безопасности, сервер приложений и web-сервисы.


Единство метаданных, модульная архитектура и современные средства интеграции делают Prognoz Platform исключительно гибким и адаптивным продуктом, который можно быстро и безболезненно встраивать в существующую IT-инфраструктуру в самых разных конфигурациях, впоследствии наращивая функционал по мере необходимости. При этом лицензионная политика компании «Прогноз» позволяет клиенту выбирать только те функциональные блоки, которые требуются ему на конкретном этапе реализации BI-проекта, тем самым значительно сокращая стоимость и сроки внедрения.

Продвинутые функциональные возможности

В Prognoz Platform реализована интеграция различных функций, что соответствует одной из ключевых тенденций, которые отмечают аналитики Gartner: в рамках единой платформы и единых источников данных обеспечивается доступ и к предсказательной, и к описательной аналитике.

Платформа включает расширенный инструментарий моделирования и построения сценарных («Что будет, если…?») и целевых («Что необходимо для…?») прогнозов. В ее составе присутствуют конструктор аналитических панелей, средства оперативного анализа (OLAP) и анализа временных рядов, конструктор карт ключевых показателей (scorecards).  Для визуализации данных применяются современные средства визуализации, включая интерактивные 3D-карты, пузырьковые диаграммы и другие современные инструменты.


В Prognoz Platform реализованы самые последние технологические достижения сферы бизнес-аналитики, включая  Data Mining (интеллектуальный анализ данных), Collaborative Decision Making (интегрированные инструменты совместного принятия решений). Высокая производительность продукта обеспечивается технологиями In-Memory (обработка данных в оперативной памяти устройства) и Search-Based BI (построение запросов в текстовом виде).

Prognoz Platform «бесшовно» интегрируется с приложениями Microsoft Office: можно не только экспортировать результаты аналитической работы в Excel и Word, но и напрямую работать из Excel с хранилищем данных, используя аналитические возможности платформы. Поддерживается интеграция с портальными решениями (MS SharePoint, SAP Netweaver, IBM WebSphere) и геоинформационными сервисами (Google Maps, Microsoft Bing, OpenStreetMap).

Мобильные приложения на базе PROGNOZ Platform поддерживают динамическое отображение данных в самых разных разрезах и видах, а также работу с ними как в онлайн-, так и в офлайн-режиме. Через нативный клиент для iOS доступны инструменты OLAP, аналитические панели и средства анализа временных рядов.

Преимущества и уникальные возможности Prognoz Platform:

  • расширенные возможности визуализации, анализа, отчетности, моделирования и прогнозирования через веб-интерфейс и в режиме облачных вычислений;
  • использование продвинутых средств предсказательной аналитики и целевого прогнозирования, эффективное решение задач «что будет, если…?» и «что необходимо для…?»;
  • использование общих метаданных во всех интегрируемых компонентах, что позволяет легко импортировать, обрабатывать и публиковать большие объемы данных;
  • интегрированная среда разработки, которая обеспечивает возможность быстрого создания кастомизированных приложений;
  • гибкие средства управления безопасностью и администрирования.


В 2012 г. Prognoz Platform стала первой российской разработкой, включенной агентством Gartner в «Магический квадрант платформ бизнес-аналитики». В 2013 г. «Прогноз» повторил и упрочил свой успех в международном рейтинге, переместившись на координатной плоскости Gartner к самой верхней границе нишевых игроков и приблизившись к уровню претендентов на лидирующие позиции.

Удачи Вам!

Автоматизация запуска маркетинговых кампаний

0

Современный бизнес, особенно на высококонкурентных рынках требует быстрой реакции на поведение клиентов, на поведение конкурентов и в этой связи очень часто решаются задачи по автоматизации запуска маркетинговых кампаний. На конкурентных рынках показатель Time to market (время выхода предложения) очень критичен и в этой связи компании стремятся автоматизировать цикл запуска кампаний.

Сегодня я проведу краткий обзор возможностей решений, так как сейчас решаю аналогичную задачу. Возможно, мое мнение покажется вам интересным и вы сможете более взвешенно подойти к выбору поставщика решений.

Современные системы позволяют автоматизировать следующие блоки:

1. Организация workflow по согласованию кампаний. Если в вашей компании решения по запуску принимаются и делаются одним блоком, то наверное данный функционал может вам показаться не столь интересным.

2. Ведение маркетингового плана кампаний. Возможность задания нескольких блоков маркетинговых активностей, запланировать бюджеты на кампании, поддерживает мониторинг и корректировку. Если у вас не столь много кампаний и направлены они на один сегмент, то скорее всего этот модуль вам не интересен, но если ваш план маркетинга изобилует отдельными блоками, тогда в наглядной форме инструментарий позволяет отслеживать все эти активности, в т.ч. проводить мониторинг их выполнения.

3. Выстраивать контактную политику с вашими клиентами. Если у вас всего один канал и один сегмент клиентов, то при выборе решения не стоит обращать внимание на присутствие или отсутствие данного модуля, так как скорее всего для вас он ценности не представит, но если у вас 2 и более каналалов коммуникаций, имеющих ограничения, например либо по емкости либо по бюджету, который вы на него можете потратить в единицу времени, то данный модуль вам жизненно необходим.

3. Бибилиотека кампаний. Очень часто в распределенных системах играет важную роль, так как позволяет накапливать лучший опыт проведения кампаний, транслировать на другие регионы, используя готовые шаблоны, с модификацией по сегменту.

4. Библиотека предложений. Если их не так много, то ее отсутствие вам вероятно не помеха.

5. Модули по заданию шаблонов коммуникаций. Интерфейс, позволяющий, например, настраивать шаблоны SMS сообщений, e-mail сообщений и т.д.

6. Сегментация базы и работа с внешними списками. Тут нужно обращать внимание на возможности системы, так как иногда система может работать только с преднастроенными списками, а есть системы, которые позволяют модифицировать сегмент, что называется на лету.

7. Разбиение на контрольную и целевую группу. Несмотря на огромное количество литературы по этому вопросу, решение данной задачи не столь тривиально, хотя имеет огромное значение при оценке эффективности кампаний. Я бы сказал, что ряд систем имеют огромные проблемы с решением этой задачи.

8. Оценка эффективности и встроенная аналитика. Несмотря на то, что это не совсем задача системы по управлению маркетинговыми кампаниями, ряд систем имеют встроенные отчеты по кампаниям, что позволяет сократить время на их разработку. Я отношу этот пункт к некритичным, так как это легко подменяется возможностями BI-системы, если она у вас есть.

Вот пожалуй на эти пункты нужно обращать внимание в первую очередь. Определить критичные из них и выбирать решения исходя из них.

Изучая возможности отдельных систем, я бы разделили их все на 2 класса: чистые системы по управлению маркетинговыми кампаниями, такие как например, SAS CM, IBM Unica и околоcrmные решения, примеры — SAP, Oracle. Они отличаются подходом при внедрении, а также имеют некоторые различия с точки зрения описанных мною пунктов.

Универсального совета, что выбрать, не существует. Есть преимущества и недостатки в обоих решениях. Если вы столкнулись с решением подобной задачи и не знаете с какой стороны подходить, напишите мне, возможно, я вам помогу.

Удачи вам! Оставайтесь на связи.

PS Стал писать реже, потому как раз занимаюсь доскональным изучением систем подобного класса, времени катострофически не хватает.

Вверх