Можно ли одновременно снизить и срок и стоимость аналитического проекта в несколько раз? Выступление Андрея Мунтаниона

В докладе рассказывается, как с помощью Loginom одновременно снизить срок и стоимость аналитического проекта на примере решения задачи удержания клиентов.

Low-code платформа Loginom — аналитический инструмент, предназначенный для решения широкого спектра задач: от интеграции, до моделирования и визуализации.

Прежде чем рассматривать подходы к выполнению проектов необходимо упомянуть их основные ограничения: длительность, стоимость, объем.

При реализации аналитических проектов существуют следующие подходы:

1. «Сделать как-нибудь» — оправдан при выполнении пилотного проекта. Преимущества: дешевый и быстрый вариант. Недостатки: крайне сложно поддерживать, практически невозможно масштабировать, присутствует критичная зависимость бизнеса от автора проекта.
2. «Купить команду или коробочное решение» — подходит при реализации крупных задач. Преимущества: предсказуемые сроки, гарантированное качество. Недостатки: высокая стоимость, готовое исполнение может не подойти заказчику.
3. «Собственные научные исследования и разработки» — применяется в крупных компаниях с большим количеством уникальных бизнес-процессов. Преимущества: высокое качество. Недостатки: непрогнозируемые сроки, непредсказуемый результат, крайне высокая стоимость.

Вышеуказанные подходы характерны для проектов, направленных на создание уникальных продуктов. На практике проекты не всегда и не во всем уникальны. Мы рассматривали результаты проектов в рамках бизнес-процесса, т.е. внутри некоторой повторяющейся сущности. В то же время для большинства повторяющихся действий существуют методологии и стандарты. Рассмотрим пример кейса «Удержание клиентов мобильного оператора».

Решение практически любой стандартизированной задачи сводится к нескольким понятным шагам:

• формулировка проблемы;
• определение способа решения;
• декомпозиция задачи на отдельные элементы;
• демонстрационный пример решения;
• определение особенностей и ограничений;
• выявление связей с другими задачами.

Аналогичная методология существует для определения оттока клиентов. В общем виде задача называется «Моделирование предрасположенности» (Propensity modeling). Она показывает не только склонность к оттоку, но и отклик на рекламное воздействие, вероятность покупки товара из определенной группы.

Рассмотрим задачу «Моделирование предрасположенности», реализованную на платформе Loginom. На верхнем уровне решение представляет собой простой сценарий из нескольких компонентов: расчет дат, разделение данных на тестовую и обучающую выборки, обработка редких значений, построение моделей, сравнение результатов.

Рассмотрим компонент «Статистики выборок». Он указывает на такой момент, как поправка на априорную вероятность: распределение событий в обучающей и тестовой выборке должны быть примерно равны.

Следующий шаг — обработка редких значений. Необходимо обработать все единичные значения, выбросы и пустые значения. Все статистически незначимые признаки в общем случае только снижают качество полученной модели.

Еще один важный этап — использование тривиальной модели для сравнения. Корректней будет делать сравнение с уже существующей моделью оценки или с моделированием на меньшем количестве признаков.

Как для тривиальной, так и для базовой модели могут применяться все доступные в Loginom методы. Также можно использовать код, написанный на JavaScript или Python.

Важна оценка качества полученной модели. Наглядное представление позволяет быстро оценить полученные предсказания, буквально одним взглядом.

В итоге по соотношению стоимости, скорости внедрения и сложности поддержки и доработок Loginom — оптимальный вариант, позволяющий быстро получать первые результаты, легко кастомизировать их под изменяющиеся потребности бизнеса и поддерживать решение силами небольшого отдела аналитиков.