Куат Сандалов, Казахтелеком: мы предлагаем аналитику данных как продукт

Объемы данных, которые сегодня собирают компании, стремительно растут. И только тот бизнес, который умеет их грамотно анализировать, может получить большое конкурентное преимущество на рынке. Как «Казахтелеком» развивает стратегическое направление Big Data и обрабатывает большой массив данных, какие решения и услуги предлагает своим клиентам, в интервью Profit.kz рассказал директор по цифровизации и управлению большими данными АО «Казахтелеком» Куат Сандалов.

— Куат, сейчас в мире есть несколько разнонаправленных трендов в использовании больших данных. На опыт каких стран в большей степени ориентируется Казахтелеком?

— Да, есть несколько парадигм и в законодательном регулировании, и в возможностях использования больших данных. Мы с точки зрения развития технологий ориентируемся на практику, которая существует в рамках TM Forum. Это отраслевая телекоммуникационная ассоциация, в которую входят более 850 телеком-компаний мира. И в целом с интересом изучаем опыт наших европейских, американских коллег. Мы идем своим путем, но перенимаем опыт и стратегии мировых компаний, используя пригодные для нас практики и методики.

А с точки зрения регулирования мы четко соответствуем законодательным требованиям нашего государства.

— Есть мнение, что эффективность использования больших данных переоценена, то есть на практике компании собирают данные, но не обрабатывают и не используют их, и в итоге все это превращается в data-свалку. Как вы можете это прокомментировать?

— Я считаю, что эффективность использования больших данных скорее недооценена.

Да, мы часто видим подобные кейсы, когда компании собирают какие-то данные, но не знают, что потом с ними делать. Есть исследования, согласно которым до 74% собранных данных не анализируется, а 82% предприятий страдают из-за разрозненности своих данных. Так происходит, потому что в погоне за новым технологическим трендом компании начинают инвестировать, строить data lake, но все это существует для галочки, потому что никто не знает, что с этим делать и просто работают как привыкли. То есть в ежедневной работе трансформации не происходит.

Мы же стараемся сразу все применять на практике, сделали аналитику данных частью нашего операционного процесса.

— За 2021 год «Казахтелеком» накопил большое количество данных. Это информация об абонентах, сети и устройствах?

— Хочу подчеркнуть, что мы не смотрим трафик абонентов, то есть какие ресурсы посещал человек, но можем видеть использованный объем трафика, количество совершенных звонков, международные это звонки или внутри страны. Точно так же у нас много данных о сети, балансировке, нагрузке узлов. Имея такую информацию, мы можем прогнозировать моменты всплеска, резкого увеличение нагрузки, потребления, чтобы быть готовыми к разным ситуациям.

— А можете рассказать о каких-то конкретных кейсах, в которых аналитика данных помогает вам принимать операционные решения?

— Яркий кейс — это проекты next-product-to-buy. На каждого клиента мы ежедневно рассчитываем наиболее подходящий для него тарифный план с учетом многих факторов, например, таких как предыдущая история оплат, механика потребления, паттерны поведения. С учетом этого в любом из каналов нашей системы обслуживания клиентов, куда бы вы ни обратились, вам предложат продукт, который, с высокой долей вероятности, будет вам интересен.

Аналитика данных используется также в управлении оттоком абонентов. Мы понимаем, что сейчас для фиксированного оператора это реальность и стараемся заинтересовать абонента. Допустим, если мы видим по определенным паттернам поведения, что клиент переходит в зону риска, то можем предложить ему другой тарифный план.

У нас получилось выстроить хорошее взаимодействие с нашим коммерческим подразделением, они открыты для использования новых инструментов.

— Вы же считаете эффективность использования в цифрах, можете озвучить результаты по прошлому году?

— Благодаря аналитике данных мы смогли разработать более 10 рекомендательных моделей, которые в прошлом году принесли компании доход порядка 900 млн. тенге.

Кроме того, за прошлый год, благодаря анализу оттока клиентов, нам удалось сохранить более 60 тысяч наших абонентов, что обеспечило повышение устойчивости и конкурентоспособности компании на рынке.

— Основная цель использования больших данных — это персонализация предложений?

— Нет, мы не ограничиваемся этим, также используем большие данные для оптимизации внутренних процессов. Например, сейчас работаем в пилотном режиме над техническими кейсами. Как инфраструктурный оператор мы имеем большое количество оборудования и также отслеживаем паттерны, типовые сценарии выхода его из строя. Сейчас проводим пилотный проект на нашем ИТ-оборудовании, потом будем масштабировать этот опыт и на телеком-оборудование. Также мы можем анализировать, насколько нормативы соответствуют тому, что реально происходит, в целом можем прогнозировать, каким образом оборудование будет работать при определенных нагрузках.

— У вас уже есть опыт в предоставлении этих услуг в качестве продукта, то есть Analytic as a service?

— Да, мы предлагаем это как продукт. У нас действительно много данных для анализа, мы также умеем работать и с информацией, которая есть в открытых источниках, и уже можем делиться нашим опытом. Не все компании могут позволить себе содержать специалиста по data science, потому что они мотивированы, в том числе большими объемами, вариативности данных, с которым предстоит работать, им интересно развиваться, искать новую информацию. У нас как раз есть эти объемы и высокая вариативность, поэтому в нашей компании специалистам по data science работать интересно.

— А можете привести примеры, какие компании воспользовались этой услугой и какую аналитику вы можете им дать?

— Сейчас тестируем гипотезу аналитики по МСБ. Например, вы хотите открыть парикмахерскую, пекарню или магазин и выбираете место расположения, потому что это немаловажный фактор. У нас есть достаточный объем информации, чтобы спрогнозировать с большой долей вероятности правильное расположение.

Мы не придумываем велосипед, это давно используется на практике в западных странах, просто пытаемся реализовать это у себя. Выкатываем модель и начинаем проверять, с какой долей вероятности попали в правильный результат. И накапливаем объем ошибок и удачных прогнозов, улучшаем нашу прогнозную модель.

— А как структурировано подразделение, которое работает с большими данными, внутри компании?

— В этом направлении за последний год у нас многое поменялось. Теперь в каждом бизнес-подразделении есть выделенные специалисты, которые занимаются вопросами Big Data: то есть используют все аккумулированные данные, накопленные компанией, для решения бизнес-задач своего направления. Такие специалисты есть и в B2B, и в B2C, и в техническом дивизионе, — то есть мы провели децентрализацию. Раньше, если кому-то нужно было получить срез аналитических систем, отправлялся запрос в централизованное подразделение, и через какое-то время оно высылало необходимую информацию. Но запросов становилось все больше, и в какой-то период эта структура стала узким горлышком. Поэтому мы ее децентрализовали, обучили всех, кто даже косвенно работает с данными, необходимым навыкам, работе в BI-инструменте.

В нашей компании внедрен в целом новый подход, который мы называем DDD — data driven discision, при котором все решения принимаются только на основе данных, а не опыта или экспертного мнения. Это убирает фактор субъективности из процесса принятия решений.

Также в рамках цифровой трансформации мы создали отдельное структурное подразделение — «Фабрика данных», которая обеспечивает беспрепятственный доступ к данным и их обработке. Они отвечают за инфраструктуру, сбор, качество, очистку данных, то есть это Big Data как продукт внутри компании. И теперь практически ежедневно для выполнения своих бизнес-задач к этому ресурсу обращаются сотрудники, которые работают с данными внутри разных подразделений. То есть мы выходим уже на другой уровень, применяем аналитику больших данных повсеместно, это часть нашего обычного операционного процесса.

— В проекте Фабрика данных работают только специалисты по data science?

— Не только, внутри Фабрики данных работают специалисты по 5 направлениям. Первое направление — Big Data Infrastructure: команда, которая занимается развитием инфраструктуры Big Data в целом, интеграцией процессов из внешних и внутренних источников в хранилище. Они выстраивают гибкие методики, следят за тем, чтобы данные были доступными и качественными.

Второе направление — это как раз Data Science. Команда занимается прогнозной аналитикой, построением предиктивных моделей процессов. Они проводят тестирование, анализируют большие данные и делают прогнозы, которые отвечают на такие вопросы, как: что будет дальше, в следующем месяце, через полгода и т. д.

Следующее направление отвечает за визуализацию данных. Команда разрабатывает BI-дашборды, отчеты и разного рода аналитику для внутренних работ. Они находятся на передовой обработки данных.

И еще два направления — это Data Governance и монетизация данных. Если первые отвечают за стратегические задачи и разрабатывают нормативные документы, внедряют практики Data Governance в процессы компании, то вторые занимаются расчетами экономического эффекта от внедрения подходов Data Governance.

— Какие планы в рамках развития сегмента Big Data в компании? Какой эффект от реализации проекта Фабрика данных вы ожидаете?

— Для того, чтобы Фабрика данных применялась как основной инструмент развития бизнеса, мы решили пойти от задач бизнеса. Чтобы апробировать то или иное решение или идею внутри компании, мы создали sandbox — «песочницу», где тестируются различные гипотезы, и на основе теста создаются продукты для клиента или решения для внутреннего пользования. В ходе обсуждений определяются ключевые проекты и потребности бизнес-блоков, связанные с данными. Отобранные проекты определяют направление деятельности Фабрики данных в перспективе. Данное мероприятие мы планируем проводить на регулярной основе.

В перспективе, мы надеемся, что данное подразделение станет ключевым драйвером развития «Казахтелеком», как оператора, предоставляющего различный спектр современных и цифровых услуг. А для понимания потребностей пользователей услуг, нам в первую очередь необходимы современные и действенные методы анализа рынка. Только за 2022 год на основе больших данных мы планируем реализовать и внедрить более 20 новых направлений работы с данными.