Кейсы

Как выбрать правильного интернет провайдера

0

Натолкнулся на интересный сервис по выбору качественного провайдера Интернет http://vinternete.su/, мне кажется пока сервис еще сыроват, но ребята на правильном пути, если они реализуют все что у них написано, то провайдеры не смогут уже возражать против объективных измерений. Пока я так понял доступна только Москва и область. Мне кажется такие социально-значимые вещи нужно обязательно поддерживать и распространять. Поэтому делюсь с вами, давайте поддержим ресурс своими измерениями, чем больше будет база измерений, тем более качественной будет статистика на основе которой клиенты будут принимать решение. На мой взгляд, это классический пример Data-driven сервиса.

Удачи вам и правильного выбора! Поможем составить независимый рейтинг провайдеров на основе реальных измерений скорости!

 

Какая точность считается нормальной?

0

Каждый раз когда речь заходит о моделировании, мне очень часто приходится слышать вопрос – как вы считаете, какая точность является нормальной. И я всегда не могу на него ответить однозначно, назвав какую-то величину.  В моем блоге достаточно примеров, когда точность важна, когда я писал про моделирование потребления электроэнергии, когда каждый закупленный в пустую киловатт может пропасть, а не закупленный может не принести желанной прибыли, но мог быть реализован. В то же время бывают другие ситуации, когда точность прогноза не столь важна, особенно если для достижения точности приходится значительно усложнять модель, которая в конечном итоге плохо интерпретируется, а иногда и вовсе становится неустойчивой на более длительных отрезках времени.

Попробуем на примерах показать, что есть хорошо, а что есть плохо.

Пример 1

Модель на тестовой выборке показывает 60%. Я бы не советовал брать такую модель. Это очень низкий показатель, близкий по сути к угадыванию, которая Далее >

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 Далее >

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 Далее >

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 Далее >

Вверх