Когда ООН запустила свою инициативу «Всемирный пульс» в 2009 году, пресса заговорила о том, что массивы данных наконец-то стали использоваться во благо общества.
Проект занимается так называемым «анализом настроений»: он собирает неструктурированные данные — в социальных сетях, текстовые сообщения, телефонные звонки — приводит их в цифровую форму и анализирует на предмет каких-либо острых моментов. Систему можно настроить так, чтобы она реагировала на что угодно: от первых «твитов» о массовых заболеваниях в отдельно взятом регионе до жалоб на несправедливое увольнение или хамство в больнице.
Применять big data для того, чтобы предотвращать кризисы, бедность, безработицу, мятежи и войны — идея очень смелая, но если ООН удастся ее реализовать в полной мере, жизнь на планете может действительно измениться в лучшую сторону.
Анализ настроений, впрочем, интересует не только миротворцев и дипломатов. Австралийский банк Westpac делал первые шаги в социальных медиа так же робко, как и большинство традиционных финансовых учреждений: сначала запустил страничку на Facebook и аккаунт в Twitter, потом начал рассказывать об акциях и продуктах, устраивать конкурсы, общаться с пользователями.
Однако постепенно банк осознал, что потенциал социальных сетей куда больше, чем он предполагал. Ежедневно в них высказываются миллионы мнений, ведутся жаркие споры и обсуждения («Как я могу уснуть, если в Интернете кто-то не прав?») — и среди них попадаются единицы, касающиеся Westpac. «Это обратная связь, которую мы упускаем!» — ужаснулся маркетинговый департамент банка.
Окончательное понимание того, что реакцию социальных медиа можно и нужно измерять и регистрировать, произошло после землетрясения в Новой Зеландии в феврале 2011 года. Twitter и Facebook тогда среагировали на события быстрее и полнее любых новостных служб: если где-то не хватало воды, одежды или лекарств, клич об этом кидался в социальные сети, и проблема решалась с молниеносной быстротой.
Банк рассчитывал, что с той же молниеносной быстротой сможет получать обратную реакцию на свои нововведения. «Если мы перенесем фокус-группы и опросы в онлайн, то сэкономим кучу денег!» — радовались неуемные маркетологи. Кроме того, анализ настроений мог показать намечающийся конфликт или, наоборот, выявить неожиданного фаворита среди продуктов банка.
Технически анализ неструктурированных эмоциональных мнений — вещь очень сложная. Если система обнаружит пятьдесят позитивных «твитов» и пятьдесят негативных, сможет ли она определить, какие из них для банка более важны?
Ей придется учесть весомость мнений и личности, от которой они исходят (если один и тот же продукт похвалит случайный прохожий или поругает известный телеведущий, разница в силе воздействия будет огромной), и даже провести небольшой лингвистический анализ, чтобы оценить степень эмоциональности мнения.
Денег на создание суперинтеллектуальной лаборатории по работе с массивами данных у Westpac не было, так что он обратился за помощью к программам с открытым кодом. За геопозиционные данные отвечал Google Maps, за визуализацию результатов анализа — программный каркас Hadoop.
Интересный мультфильм для детей — Пазл (Пожарная, полицейская машины, скорая помощь)
Он позволял превращать нули и единицы в красивые графики на iPad. Главная задача ведь состоит даже не в том, чтобы проанализировать отзывы пользователей в социальных сетях, а в том, чтобы обнаружить назревающий тренд — и донести его до акционеров и совета директоров в удобоваримой форме.
Доподлинно неизвестно, принесла ли эта инициатива реальную пользу Westpac и помогла ли заработать деньги. Возможно, пока программа не функционирует в полную силу, говорить о результатах рано. Однако анализ настроений с подачи австралийцев стал невероятно модной штукой.
Профильные издания затрубили о том, как политики и большие корпорации будут изучать поведение толпы по Facebook и управлять ею, словно стадом баранов. Банки один за другим принялись открывать исследовательские ИТ-лаборатории и закупать мощнейшие сервера.
Свои программные решения для анализа настроений выкатили SAS, Microsoft и десятки новорожденных стартапов Кремниевой долины.
Австралийцы тем временем продолжают открывать новые способы применения массивов данных. Следующий прорыв одновременно совершили два банка, причем оба крупнейших, из числа «большой банковской четверки» страны — Национальный банк Австралии (точнее, одно из его подразделений UBank) и Банк Содружества Австралии (CommBank).
Месяц назад CommBank запустил платформу Signals — сайт, который ежедневно собирает развернутые данные о транзакциях покупателей и затем предоставляет их в виде любопытной статистики. Портал преследует интересную цель: он дает клиентам банка возможность посмотреть, как живут и на что тратят свои деньги другие клиенты — разумеется, при этом соблюдая их анонимность.
Такие данные может в два счета «вытащить» любой уважающий себя банк, однако никто прежде не догадывался грамотно визуализировать их и донести до клиентов.
Signals — одновременно и развлечение, и повод подумать, и даже инструмент повышения лояльности. Для женщины 28 лет, проживающей в Квинсленде (сайт требует ввести пол, возраст и почтовый код своего региона), он, например, сообщает следующие данные.
Средняя женщина в возрасте от 25 до 29 в том же регионе имеет одну кредитную и одну дебетовую карту CommBank и тратит по кредитке $1030 в месяц, а возвращает $979. Сумму в $4446 она перечисляет ежемесячно на свой депозитный счет в банке.
Причем сайт сообщает, что из этого количества денег можно составить башенку из монеток в один доллар высотой в 13 с лишним километров — и скорее всего, башенка рухнет. Подобные сведения Signals дает о займах, кредитах, выплатах по ипотеке и даже количестве зарубежных путешествий у искомой среднестатистической дамы в год.
Аналогичный сервис чуть раньше запустил UBank — он тоже позволял взглянуть на структуру доходов и расходов клиентов — однако CommBank гораздо лучшее проработал подачу данных.
За развитие идеи анализа персональных расходов взялся британский банк Lloyds. Сейчас он готовит к запуску «аддон» для своего мобильного и Интернет-банка, который будет показывать клиентам не только остаток на счету, но и «чистый» остаток — сумму, которая останется после оплаты всех обычных счетов клиента.
Пока еще не ясно, насколько подробным будет этот анализ. Возможно, первоначально минусовать из общей суммы Lloyds станет только коммунальные счета и платежи по кредитам.
Однако в идеале он научится считать и учитывать среднемесячные траты на питание, проезд, канцелярские принадлежности, плату за детский сад или школьные учебники. Другими словами, под рукой у пользователя всегда будет находиться простой инструмент финансового планирования, а Lloyds повышает финансовую грамотность и ответственность своих клиентов.
Самый спорный вопрос в ситуации Lloyds заключается в том, откуда банк возьмет данные. Здесь у него как минимум два варианта.
Во-первых, можно накопить определенную статистику по каждому пользователю, а затем экстраполировать траты на будущий период времени. Во-вторых, и этот вариант куда предпочтительнее, данные будут предоставлять коммунальщики, провайдеры, продуктовые ритейлеры.
В Великобритании создание такой «площадки данных общего пользования» вовсю лоббирует государство. На конец 2012 года около шестидесяти крупнейших коммерческих и некоммерческих организаций дали согласие на участие в правительственном проекте Midata, подразумевающем обмен закрытой информацией о клиентах.
Возможно, когда-нибудь к подобной инициативе придет и Россия. В конце концов, портал Гоуслуги уже аккумулирует информацию о выписанных штрафах и начисленных налогах — может быть, скоро он станет сообщать и о том, сколько вам нужно отложить на бензин в следующем месяце.
