Сегодня на тему BI и больших данных мы беседуем с аналитиком российской компании «Ростелеком» Еленой Рубец.
— Елена, Вы — аналитик в крупнейшей российской компании “Ростелеком”. Редко встретишь молодую девушку на такой должности. Как Вам это удалось?
— Спасибо, но сейчас вполне можно встретить аналитиков в крупных компаниях значительно моложе меня, например, талантливых выпускников вузов, которые активно осваивают профессию аналитика.
Если говорить о моем пути к аналитике, то он не очень прямой. Я получила образование маркетолога, довольно долго работала по специальности, но как и многие в этой области, ощущала недостаток информации о результативности своих действий.
Когда работаешь с такими инструментами как реклама на ТВ и радио, «наружка» или пиар, часто точно оценить эффективность вложенных усилий и бюджетов довольно сложно. Другое дело — интернет-маркетинг: при правильно выстроенном процессе аналитики весь расклад по воронке продаж и эффективности каналов — как на ладони.
В какой-то момент я поняла, что у меня неплохо получается решать аналитические задачи и сосредоточилась на этом направлении. Мне хотелось работать в компании с большими данными и их высокой доступностью (операторы могут фиксировать огромное количество активностей пользователя). Прежде всего, это интернет- и телеком-компании. Кроме того, в аналитике, по сравнению с другой работой, мало рутины и постоянно есть возможность получать новую информацию и развиваться.
— В чем особенность работы аналитика в телеком-компании? Расскажите, чем непосредственно занимаетесь Вы и с какими данными имеете дело.
— Я работаю в продуктовом офисе «Видео», который занимается развитием IPTV и видеосервисов, то есть высокотехнологичных продуктов, пользователи которых генерируют огромное количество данных. Вот сочетание возможности участвовать в развитии интересного продукта, быстрого получения обратной связи, освоения и применения инструментов аналитики в медиа-сфере кажется мне очень увлекательным.
Сейчас из самых крупных проектов у нас:
- • Создание BI-системы по данным потребления и поведения пользователей видео-продуктов. Проект имеет для нас особое значение, потому что он должен дать возможность большому количеству сотрудников компании возможность анализировать разные показатели, комбинируя их в произвольных сочетаниях. А значит выявлять какие-то неочевидные взаимосвязи потребления услуг и контента.
- • Расширение перечня событий клиентской аналитики. Мы хотим собирать как можно больше информации о поведении пользователей и делать их пригодными для всестороннего анализа.
- • Разработка рекомендательной системы для видео-продуктов, которая может стать одним из важнейших драйверов роста выручки.
Во всех этих проектах мы сталкиваемся со стандартными проблемами, которые знакомы аналитикам не понаслышке: грязные зашумленные данные, пропуски в данных, различающаяся логика работы распределенных ИТ-систем учета пользовательских активностей. Системно ищем пути их решения.
— “Ростелеком” — настоящий гигант, и несложно предположить, что компания собирает и обрабатывает террабайты данных. Пожалуй, это Big Data в классическом ее представлении. Какие основные полезные знания компания “добывает” из всех этих данных и при помощи каких ресурсов (персонал, инструменты)?
— В первую очередь, речь идет о работе с собственной абонентской базой: предсказание оттока, допродажа услуг, рекомендации тарифных планов и контента. Но работа с данными не останавливается на этом. Есть направления, связанные с созданием новых продуктов, с партнерскими решениями, с улучшением бизнес-процессов, с поиском кадров. Сложных и разноплановых задач очень много, в этом и заключается преимущество нашей профессии: скучать не приходится.
— Какова Ваша трактовка термина “большие данные”, ведь он весьма противоречив…
В качестве шутки можно сказать, что это данные, которые не помещаются в Excel. На мой взгляд, «большие данные» — это информационная руда, которую с помощью специализированных решений и технологий для глубинного анализа можно превратить в деньги – в новые услуги, продукты, продажи.
— Дайте 3-4 совета начинающим аналитикам, которые стремятся построить карьеру в телеком отрасли.
— Важно постоянно изучать доступные кейсы по тем направлениям, которые представляются наиболее перспективными. Причем не только в своей отрасли – иногда совсем другая сфера деятельности может подсказать или даже подарить интересное решение. Полезно участвовать в открытых мероприятиях, которые проводят компании, таких как дни карьеры, стажировки и хакатоны. В большей степени это применимо для модной сейчас сферы Data Science и Machine Learning, в ней традиционно много открытых кейсов, мероприятий, курсов и статей. Kaggle и Coursera могут стать верными помощниками.
Следующий совет – быть готовым к неудачам. Не всегда ваши проекты будут проходить успешно. Когда-то вам не хватит данных для качественного анализа, иногда гипотезы окажутся ложными. А еще проект может тянуться бесконечно долго по независящим от вас причинам.
Но главное – иметь большое любопытство к предмету исследования, а для нас это почти всегда человеческое поведение (часто называемое активностями, которые и «складываются» в BigData) в самых разных его проявлениях.