Просмотр новости
Найдите то, что Вас интересует
Спутники
РН
SpaceX
Роскосмос
NASA
СпутникиРНSpaceXРоскосмосNASAФормально сегодня почти все компании работают с данными. Однако, согласно исследованию McKinsey, лишь пятая часть организаций достигла такого уровня, где аналитика интегрирована в операционные и стратегические процессы. Остальные продолжают использовать данные точечно — в основном для рекламных кампаний. Анна Кучина, директор по росту компании Platforma, — о том, как данные меняют продуктовые и коммерческие решения в ритейле, FMCG и финансах, и почему разрыв в зрелости работы с данными становится главным фактором конкурентоспособности.
22 Июля 2026 12:07 22 Июл 2026 12:07 |
Формально сегодня почти все компании работают с данными. Однако, согласно исследованию McKinsey, лишь пятая часть организаций достигла такого уровня, где аналитика интегрирована в операционные и стратегические процессы. Остальные продолжают использовать данные точечно — в основном для рекламных кампаний. Анна Кучина, директор по росту компании Platforma, — о том, как данные меняют продуктовые и коммерческие решения в ритейле, FMCG и финансах, и почему разрыв в зрелости работы с данными становится главным фактором конкурентоспособности.
CNews: Большие данные — тема, которую обсуждают уже лет десять. Что изменилось за это время?
Анна Кучина: Изменилось главное — появились результаты, которые можно измерить. Десять лет назад разговор про большие данные был в основном концептуальным. Сегодня это операционный инструмент. Ритейлер принимает решение об ассортименте на основе данных о реальном поведении. Страховщик оценивает риск по паттернам. Девелопер выбирает локацию.
Но важная оговорка — это справедливо для тех, кто научился данные не просто собирать, а применять. И здесь возникает ключевой разрыв. По данным Gartner, до 85% проектов больших данных не доходят до промышленного использования и остаются в «песочницах». Компании тратят бюджеты на инфраструктуру, но продолжают принимать решения «по старинке».
Если говорить совсем прикладным языком, то сегодня большие данные помогают отвечать на вполне конкретные вопросы бизнеса: где открыть новую точку, где, наоборот, стоит сократить присутствие, как изменить ассортимент под жителей конкретного района или где размещение рекламы даст максимальный эффект. Раньше подобные решения принимались на основе экспертного мнения и полевых исследований. Теперь их можно проверить с помощью аналитики, учитывающей сотни факторов одновременно — от покупательского поведения и уровня доходов до интереса людей к определённым категориям товаров и услуг.
CNews: Где этот разрыв наиболее заметен?
Анна Кучина: Финансовый сектор и топ-ритейл — лидеры, там культура формировалась годами. Отстают, и это удивительно, производственные компании и B2B. Там до сих пор решения о ценах и продуктах принимаются на основе опыта, а не данных.
Отдельная история — средний бизнес. У крупных есть ресурсы на собственные озера данных. У малого — запросы проще. А вот средний попадает в ловушку: он уже понимает, что данные нужны, но не имеет инфраструктуры и зачастую достаточной компетенции. Именно здесь сейчас сосредоточен основной нереализованный спрос, и именно этот сегмент рынка наиболее уязвим, потому что конкуренты уже начали «отъедать» их клиентов, используя продвинутую аналитику.
CNews: Когда бизнес говорит «нам нужны данные о клиентах» — что за этим стоит?
Анна Кучина: Как правило, одна из трёх задач. Первая — понять, кто твой клиент на самом деле (профилирование). Вторая — найти похожих (таргетинг). Третья — поймать момент (триггерные коммуникации).
Все три задачи решаются на внешних данных. Но важно: если раньше эти задачи были маркетинговыми, то сейчас мы видим запрос от коммерческих директоров и продакт-менеджеров. Их интересует не «кому отправить промокод», а «какой продукт разработать для этого сегмента».
Всё чаще мы видим, что данные становятся инструментом не коммуникации, а управления бизнесом. Они помогают прогнозировать спрос, принимать решения о развитии розничной сети, выбирать новые территории присутствия и даже корректировать ассортимент под особенности локальной аудитории. То есть речь уже идёт не о маркетинговой эффективности, а о повышении эффективности бизнеса в целом.
CNews: Как компания получает данные о своих клиентах из внешних источников?
Анна Кучина: Представьте, что у вас есть только номер телефона. Казалось бы, с чем работать? Но за этим номером стоит телеком-история и транзакционное поведение. Агрегируя и правильным образом интерпретируя эти данные, на выходе мы получаем обезличенную вероятностную оценку. Это не доступ к личным данным, это математика.
Профилирование — это то, как мы понимаем клиента. Персонализация — то, что бизнес делает с этим пониманием. Раньше первое было нужно для второго. Теперь первое стало инфраструктурой для управления ассортиментом и ценообразованием.
CNews: Как именно работает профилирование на практике?
Анна Кучина: Технически — да, за этим стоят серьёзные модели. Но для заказчика это просто: он передаёт список хэшированных номеров, и через 1–2 недели получает обогащённую базу. Без сложной интеграции.
Это не магия, а статистика. Как один из примеров, мы знаем, что люди с похожим поведением в 78% случаев тоже интересуются загородной недвижимостью, как и представители из обучающей выборки. Это вероятностная оценка, которая ложится в основу решений.
Причём сами решения давно вышли за рамки рекламы. На основе такого профилирования компании могут лучше понимать собственного покупателя и аудиторию конкурентов, анализировать покупательские корзины, прогнозировать спрос на отдельные категории товаров и точнее оценивать, какие продукты будут востребованы в конкретной аудитории.
CNews: Чем тогда профилирование является, если не маркетинговым инструментом?
Анна Кучина: Это сдвиг, который происходит прямо сейчас. Ещё три года назад профилирование воспринималось как настройка рекламы. Сейчас запрос другой. Данные нужны для принятия не только тактических, но и стратегических решений , например, о географии присутствия, партнерах или ассортименте.
Это означает, что бюджет перемещается из маркетинга в коммерческий блок и продуктовые команды. Горизонт использования вырастает с разового проекта до постоянного инструмента. Для нас это сигнал, что заказчики созрели до грамотного использования данных.
CNews: Где граница между полезной персонализацией и избыточным знанием?
Анна Кучина: Граница проходит по контексту использования. Предложить ипотеку тому, кто ищет ипотеку — это полезно. Использовать знание о финансовом стрессе, чтобы завысить ставку — злоупотребление. Также важен критерий ожидаемости. Если человек получает предложение, из которого следует, что о нём знают то, чего он не раскрывал — это вызывает тревогу.
Для нас это не абстрактный вопрос. Мы строим модели по принципу достаточности : ровно столько информации, сколько нужно для решения, и не больше. Потому что избыточное знание — это не конкурентное преимущество, а репутационный риск.
CNews: Это подводит нас к теме лицензирования данных. Как устроена эта модель и почему она принципиально отличается от того, что рынок привык называть «покупкой баз»?
Анна Кучина: Это действительно принципиальное различие, и я рада, что вопрос звучит именно так. Покупка базы — это когда данные физически перемещаются, то есть кто-то кому-то передаёт файл с записями. Это серая или откровенно чёрная история с точки зрения закона, и репутационные риски здесь огромны, особенно если учесть количество утечек и какой вред это приносит.
Лицензирование данных — принципиально другая конструкция. Данные никогда не покидают защищённый контур владельца. Клиент передаёт нам список идентификаторов, например, на базе номеров телефонов. Вся обработка обезличенных данных происходит внутри закрытой среды партнёра — банка или телеком-оператора, алгоритмически, без участия человека. Заказчик получает производную от данных: скоринговый балл, вероятностную оценку, сегментный атрибут. И больше ничего.
Это соответствует требованиям 152-ФЗ и является юридически чистой моделью. Вы получаете право использовать инсайт, не получая доступа к исходным данным. Разница такая же, как между тем, чтобы купить у кого-то результаты анализа крови и тем, чтобы купить саму кровь.
CNews: Как устроена работа с внешними данными юридически? Это легально — знать о своих клиентах то, что они тебе не рассказывали?
Анна Кучина: Это особенно чувствительный момент, и хотелось бы остановиться на нём поподробнее.
Легальность зависит от модели работы с данными. Есть серая история — покупка баз данных. Это прямое нарушение закона.
Есть юридически чистая модель, как обсуждалось выше, — лицензирование данных. С таким подходом, на выходе мы имеем вероятностную оценку или сегментный атрибут. Никаких персональных данных, никаких имён и передачи историй покупок.
Эта модель хорошо знакома финансовому рынку. По похожему принципу уже много лет работают бюро кредитных историй. Когда система только создавалась, банки тоже с большой осторожностью относились к передаче информации. Но со временем стало очевидно, что единая инфраструктура выгодна всем участникам рынка: банки получают более качественные скоринговые модели и принимают более точные решения по кредитным продуктам, а сами данные остаются в рамках регулируемой и юридически прозрачной модели. С лицензированием данных происходит похожая эволюция: компаний получают возможность использовать аналитические инсайты для принятия решений, не получая доступа к персональным данным клиентов.
CNews: Давайте на примерах. Как это меняет решения?
Анна Кучина: Сети АЗС. Визуально аудитория одинаковая — водители. Но данные показывают, что у разных брендов аудитория кардинально разная по доходу и образу жизни. Один оператор делает ставку на кофе, другой — на премиальное топливо и сервис. Это не интуиция, это данные.
Для FMCG история ещё глубже. Производитель видит продажи, но не видит, кто его реальный покупатель за пределами чека. Профилирование CRM базы показывает, что его основная аудитория — женщины 35–45 с детьми, преобладающая доля которых увлекается фитнесом. Зная это, можно скорректировать рецептуру, упаковку и выбор партнёров. Данные о покупателе становятся основой для R&D и стратегии продаж, а не только для таргетинга в соцсетях.
Хорошо это видно и на примере геоаналитики. Некоторое время назад мы анализировали потенциальную эффективность новых аптек. Модель учитывала десятки факторов для конкретных городских кварталов, и среди наиболее значимых драйверов неожиданно оказались показатели, которые предприниматели обычно вообще не рассматривают. Например, одним из самых сильных факторов эффективности новой аптеки стало наличие поблизости зоомагазинов, а среди негативных факторов — отсутствие магазинов алкогольной и табачной продукции. Подобные закономерности практически невозможно выявить экспертным способом — они проявляются только при анализе больших массивов обезличенных данных.
■ Рекламаerid:2W5zFGm1c9fРекламодатель: ООО «Платформа Больших Данных»ИНН/ОГРН: 9705143325 / 1207700138942Сайт: https://platforma.id/