מה תקנה היום? שאל את אמזון

אם אי פעם קניתם מוצר כלשהו באמזון, אתם ודאי מכירים את התחושה שהחברה הצליחה מאז להיכנס לכם לראש – היא יודעת מה אתם אוהבים ומנחשת את הקנייה הבאה שלכם – במידה לא מבוטלת של הצלחה. אמזון עושה זאת באמצעות שימוש ב-Big data – מצבור נתונים המסייע לה בהבנה מעמיקה של לקוחותיה. היא יודעת לא רק מה קנה הלקוח, אלא גם על אילו מוצרים הוא הסתכל, מה היה מסלול הגלישה שלו באתר ועד כמה הוא הושפע ממבצעים, מהמלצות ואפילו מעיצוב הכריכה. התובנות הביאו את אמזון ליכולת לקבץ לקוחות לפי תכונות משותפות ולפתח אלגוריתמים מדויקים לחיזוי המוצרים הבאים שלקוחות ירצו לקנות. לקמעונאי ספרים מסורתיים אין גישה למידע מסוג זה – וזוהי אחת הסיבות שרבים מהם נאלצו לסגור את העסק.

אז מה זה בדיוק Big Data? מדובר במצבור נותנים דימיוני הנאסף מהאינטרנט לגבי כל אחד ואחת מאיתנו. רק כדי לסבר את העין: בכל שנייה עוברים באינטרנט יותר נתונים מאשר סה"כ הנתונים שאוחסנו באינטרנט לפני 20 שנה. מידי יום נוצרים נתונים בנפח של כ-2.5 Exabyte. וולמארט, הקמעונאית הגדולה בעולם, אוספת מידי שעה 2.5 Petabyte של נתונים מעסקאות לקוחותיה. (Petabyte הוא קואדריליון בייטים. ניתן לדמיין זאת כ-20 מיליון ארונות מלאים בניירת. Exabyte הוא פי אלף מהכמות הזאת). נחשולי הנתונים מגיעים ממגוון רחב של מקורות: תמונות, פוסטים ומידע מהרשתות החברתיות, אותות GPS מסמארטפונים המספקים מידע על אנשים, פעילויות ומיקומים, מנועי חיפוש, טוקבקים ורבים נוספים.

עסקים העושים שימוש בנחשולי נתונים משיגים באמצעותם יתרון תחרותי מהותי – היכולת למדוד, להבין, לתכנן ולהוציא אל הפועל תכניות שבעבר התבצעו לפי תחושת בטן.

דוגמה לעסק שמנצל ביטב את האפשרויות הגלומות ב-Big Data  היא קמעונאית הענק Sears. בעבר היה לוקח לחברה כחודשיים כדי לתכנן ולהוציא לפועל מבצע שיווקי בהתאמה אישית ללקוחותיה. עד אז איבדו המבצעים חלק גדול מערכם. באמצעות שימוש בנחשולי נתונים שנקבצו מהמכירות של כל מותגיה וניתוח מעמיק של לקוחותיה שאיפשר יצירת פרופילים ומאפייני ביקוש קיימים ועתידיים, קיצרה Sears את המהלך של יצירת מבצע חדש לשבוע בלבד, בעודה משפכת את איכות המבצעים והמיקוד שלהם – מה שהניב תוצאות עסקיות משופרות.

צוות של מנתחי נתונים מ-MIT media lab, השתמש בנתוני מיקום מטלפונים ניידים כדי להסיק כמה אנשים היו בחניונים העצומים מייסיס' ב"יום שישי השחור". מידע זה אפשר להעריך את המכירות ברשת באותו יום – עוד לפני שתועדו במערכות הממוחשבות שלה. זהו נתון בעל ערך מוסף אדיר לקמעונאי המעוניין לתכנן את המלאי שלו.

חוקרים באוניברסיטת וורטון השתמשו בנתונים זמינים על חיפושי נדל"ן ברשת כדי לחזות שינויים במחירי הבתים באזורים עירוניים ברחבי ארה"ב. החוקרים, נעדרי ידע נדל"ני בסיסי, שיערו שקיבוץ נתוני חיפוש בזמן אמת יאפשרו להם לבצע תחזיות טובות יותר לטווח הקצר לגבי אותו שוק, ואכן התברר, שהתחזית שלהם הייתה מדויקת הרבה יותר מאשר התחזית הרשמית של איגוד סוכני הנדל"ן האמריקני, שפיתח מודל מורכב שמסתמך על נתונים היסטוריים שמשתנים באיטיות.

דוגמא נוספת לשימוש בנחשולי מידע היא של חוקרים בבית ספר לרפואה שגילו שהם יכולים להשתמש בנתונים מ-Google flu trends כדי לחזות עליות בביקושים לאשפוז בגין הידבקות משפעת, שבוע ויותר לפני שהמידע התקבל ממרכזי הפיקוח על מחלות בארה"ב.

מחקרים ומאמרים (לדוגמא – אונ' הרווארד 2012- מהפכת המידע) העלו יתרונות מובהקים לחברות שאימצו את הגישה מבוססת הנתונים בתחומים של תוצאות כספיות ותפעוליות. חברות מונעות נתונים היו יעילות יותר ב-5% מהממוצע של התעשייה שלהן ורווחיות יותר ב-6% ממתחרותיהן. אימוץ השיטה מחייב, כמובן, גיוס של מדענים לפיתוח התהליך, המאפשר למצוא דפוסים בנתונים ולתרגם אותם למידע עסקי רב ערך. מידע שכל מנהל רוצה שיהיה ברשותו כדי להשיג את מתחריו בידע ששווה רווח משופר במאזן.

הכותב הוא מרצה במרכז ללימודים אקדמיים באור יהודה