Георг Фридрих Кнапп утверждал в 1924 году: «Существуют средства платежа, которые еще не стали деньгами; далее, есть те, что уже являются деньгами; а еще – те, что перестали быть деньгами».
Поскольку проблемы с данными нарастают, появятся решения. Так же как и в случае с солью, важна была не сама соль, а ее свойства, извлекаемые соледобытчиками из пород и морской воды.
И снова данные в роли денег
В предыдущей главе мы увидели, что данные – это разновидность валюты, когда рассматривали онлайн-деньги, подобные биткоину, виртуальные валюты, подобные Linden Dollars, и игровые валюты, подобные QQ-монетам. Очевидно, что данные являются деньгами. Мы знаем об этом и согласны с этим, однако если данные – это деньги, то какова их стоимость?
Это прояснил Крейг Мунди, глава Департамента исследований и стратегий Microsoft, который сказал: «Данные – это величайший исходный материал для бизнеса, наравне с капиталом и трудом. То, что мы наблюдаем, – это возможность построения экономики вокруг данных, и это, на мой взгляд, большой сдвиг не только в социальной сфере, но и на макроэкономическом уровне»[71 - Data, data everywhere // The Economist, 25 February 2010.].
И вот здесь на передний план выходит глубинный анализ данных (data mining). Суть его заключается в очень сложной обработке данных для поиска связей между различными и разрозненными фрагментами данных. В банковском деле анализ производится индивидуально в отношении каждого клиента, с тем чтобы, тщательно изучив историю его транзакций, найти способы поднять продажи. Данная практика отражена в концепциях маркетинга «один на один» в книгах Марты Роджерс и Дона Пепперса, а также в работах других авторов, например Фридриха Рейчхелда, изучавшего лояльность клиентов. Теперь все мы говорим об экономике впечатлений (еxperience еconomy) и дружелюбном банкинге (еngagement banking), но я сомневаюсь, действительно ли банки понимают это.
История глубокого анализа данных начинается в 1990-х; в то время он был целиком направлен на более эффективное использование данных в продажах. Получить больше перекрестных продаж, углубить деловые связи, извлечь больше прибыли, избавиться от малоперспективных клиентов… Никакой направленности на улучшение качества обслуживания не было в то время. Подобное наблюдалось в период реорганизации бизнес-процессов, когда банки предпринимали попытки выстроить свои процессы вокруг взаимоотношений с клиентами… Вместо этого большинство банков предпочли небольшие постепенные усовершенствования внутренних процессов с целью снизить издержки.
Сейчас всё по-другому.
В основе больших перемен лежат информационная экономика и возможность для новых игроков использовать информацию как оружие в конкурентной борьбе. Глубокий анализ данных способен сегодня наладить такие взаимоотношения с клиентом, которые обеспечат глубину, лояльность и продажи – всё, чего пытались достичь банки десять лет назад, и всё это может быть сделано сегодня без вмешательства человека. Мы видим это в работе Apple, Amazon, Google и подобных компаний.
Если говорить об Apple, всякий раз, когда вы скачиваете приложение или музыкальный трек, вы неожиданно получаете рекомендации о тысяче других. В музыкальном сервисе Apple каждый музыкант, которого вы слушаете, приводит пятерых других, которые вам могут понравиться.
То, что делает сегодня Google, еще интереснее. Используя ваш IP-адрес, он отправляет вам информацию и рекламу, которые соотносятся с вашей историей поиска. Всё распознается, анализируется, алгоритмически обрабатывается и затем персонализируется таким образом, что маркетинговое видение «один к одному» десятилетней давности может быть реализовано дешево и легко.
Что же банки делают с этим? Не так уж и много. Большинство не распространяются публично о том, как они используют данные о транзакциях клиентов в качестве конкурентного оружия, потому что это именно конкурентное оружие. Visa ведет себя необычно, заявляя, что теперь может проанализировать двухлетнюю историю операций клиентов, или 73 млрд транзакций, что эквивалентно 36 терабайтам данных, за 13 минут, используя облачные вычисления. Прежде это заняло бы месяц с привлечением традиционных внутренних компьютерных ресурсов компании. Что это означает? Это означает, что Visa, сотрудничая с банками, может распознавать образ жизни клиента, его потребности, взаимосвязи и мечты. А банки в свою очередь могут делать предложения, отвечающие на эти потребности и мечты.
Проактивный банк
Когда Google знает о том, что я ищу и, следовательно, о чем я думаю, он в состоянии прогнозировать, что соответствует моим ожиданиям. Если я искал информацию о побочных эффектах таблеток от головной боли, он может порекомендовать мне переключиться на парацетамол и направит меня в ближайшую Boots или Walgreens[72 - Британская и американская аптечные сети. Прим. перев.]. Если мне случалось интересоваться ценами на телевизионные панели, он может предложить мне скидку в магазинах Best Buy или PC World. Если вы не считаете, что Google Analytics – это ключевой компонент проактивного маркетинга, то вам следует знать, что Google достаточно точно прогнозирует движения фондового рынка, а также эпидемии гриппа, результаты выборов и многое другое.
Точно также банки могут использовать данные о предыдущих транзакциях, объединенные с поисковой историей и другими данными, чтобы предвидеть и делать актуальные предложения в реальном времени. Такой сервис мог бы предложить автокредит, когда вы проезжаете мимо салона дилера BMW, которым вы интересовались в Google прошлым вечером, или предложить ипотечный кредит, когда вы направляетесь в агентство недвижимости выбранного вами накануне агента.
Однако это не предел. Проактивный маркетинг может теперь быть встроен в интернет вещей. Несколько лет назад Metro построило в Германии прототип бакалейного магазина будущего с использованием технологий NFC и RFID. Концепция магазина включает в себя идею динамического назначения цены на товары, в то время как вы проходите мимо торговых стеллажей; цена определяется вашими покупательскими привычками, лояльностью и многим другим. Ваш смартфон излучает ваши предпочтения, которые на ходу меняют цены через мобильную сеть, опознающую ваше присутствие.
Поскольку интернет вещей предполагает, что везде будет Intel inside – чип внутри, то интеллектуальное распознавание становится полем конкурентной борьбы с использованием упреждающего маркетинга и глубинного анализа данных, порождаемых целостными взаимоотношениями с каждым отдельным клиентом. Это, скорее всего, приведет к формированию партнерств между компаниями: например, интернет-провайдер, мобильный оператор и банк будут тесно сотрудничать. Затем к этим партнерствам будут присоединяться розничные магазины и производители, чтобы мотивировать клиентов банка посещать свои магазины. В результате вы будете постоянно окружены рекламой, предложениями и потенциальными сделками; вы будете находиться в поле интеллектуального восприятия бизнеса как в виртуальном, так и в реальном мире.
