Боденхамер боб, холл майкл "учебник магии нлп". IBM: сохранение персонала

Модель предиктивной аналитики (Predictive Analytics) выглядит как сбывшаяся мечта маркетологов. Анализ прошлой активности покупателя указывает на его поведение в будущем, что дает сформировать актуальную маркетинговую стратегию.

Это аккуратно и предсказуемо — как любят маркетологи. Но предиктивный анализ скрывает серьезную проблему, о которой пора поговорить подробнее. Она понятна из названия: предсказательная аналитика предсказывает, а не утверждает.

«Гладко было на бумаге»

Предиктивная аналитика пока только внедряется в маркетинг — но в здравоохранении, страховании, финансах и прочих областях она заняла место давно и прочно. Особенно в финансовой индустрии США, где прогностическая модель обеспечивает безопасность облигаций с ипотечным покрытием — но обеспечивает с оговорками. Пользуясь предиктивными моделями, 10 лет назад финансисты взвесили риски и предположили: американцы не откажутся платить по ипотечным кредитам одновременно и массово.

Но модели не принимали во внимание волатильность на рынке жилья — как и то, что дома стоили гораздо меньше суммарных платежей по ипотеке. Аналитики доверяли моделям, и мало кто удосужился сбалансировать их системой сдержек и противовесов. Когда первые финансисты увидели симптомы проблем, эффект домино уже невозможно было остановить. Речь о финансовом кризисе 2008 года — и его катастрофических последствиях.

Стоит ли нам винить только «плохие данные» в произошедшем? Не обязательно. Предиктивные модели оказались неспособными объяснить сдвиги и изменения в том, как мы берем кредиты и кому выдаем деньги. И когда в финансовой системе США стало слишком много неизвестных переменных, фундамент рухнул.

Бессилие предиктивного анализа в учете «неизвестных» факторов иллюстрируется « ». Она получила название из давнего предположения, что лебеди — только белые, потому что данные говорили именно об этом вплоть до 16 века, пока экспедиция в Австралии не обнаружила популяцию черных лебедей. Теория оказалась ложной — а представление об окрасе лебедей расширилось.

Но могли ли современники предположить это? Нет. В чем и кроется проблема предиктивной аналитики. Вы не охватите полный спектр неизвестных факторов, даже имея сложнейшие модели и подробные данные статистики.

Рисуйте умную картину аналитики

Предсказательный метод, конечно же, занимает место в маркетинге. Но доверять весомые решения или кампании предиктивной аналитике — все равно, что связать ноги перед марафоном. Эти случаи не подходят для предсказательных методов, потому что здесь традиционно много неизвестных факторов. Вот где пригодятся сухие, четкие данные, которые вы давно собирали.

А прогностическая аналитика лучше подойдет для маломасштабных предположений и оценок. Что произойдет, если вы измените этот объект на лендинге? Или поменяете с другим? Возможно, предложите дополнительный оффер? Вот области, в которых полезна предиктивная аналитика.

Конечно, лучше провести тесты, или иным образом выяснить предположение наверняка — но как подтвердить гипотезу с инструментом, который только предсказывает? Никак, в чем и загвоздка.

Почему это так трудно доказать?

Прогностическая аналитика применяется в маркетинговом арсенале, но это не «волшебная пилюля», которая «по часам» и без ошибок трактует поведение клиентов. Помните, что предсказания настолько же точны, насколько актуальны данные, «скормленные» системе.

Так много переменных нужно учесть, а люди такие неопределенные и так вольно трактуют исходные данные, что прогностический инструментарий по определению не сможет выдать абсолютно надежные решения. Запустить процесс и забыть о нем — не получится.

Даже на сложнейшие расчеты нельзя полагаться с уверенностью, особенно учитывая, что маркетологи — занятые люди, склонные хвататься за обрывки данных в принятии фундаментальных решений, основанных на целях. И с предиктивной аналитикой такой подход — верный рецепт катастрофы.

Своевременная помощь

На специалистов по data science (или «датологов»), ложится масса ответственности, не говоря уже о жестких требованиях к навыкам моделирования, регрессии и статистики. Это навыки, которых нет у «простых смертных» — они нужны только узким специалистам. И у вас не получится «скормить» информацию предсказательному методу и надеяться на достоверный результат. Поступая так, вы играете с огнем.

Лучше наймите эксперта для работы с командой. Он поможет разобраться в данных и обучит навыкам, необходимым для полного раскрытия потенциала предиктивной и вероятностной моделей. Аналитика — обоюдоострый меч. Она поможет навести порядок в хаосе данных, сделать долгосрочные выводы и скорректировать стратегию. Но при недостаточном опыте — она же подтолкнет на радикальные решения.

Что часто случается при неполном видении картины.

Как работает хороший предиктивный анализ?

По тону этой статьи вы могли подумать, что предиктивный анализ означает заведомый провал, и нет ничего дальше от истины. Но это не так — метод дает прекрасные результаты при правильном применении.

1. Точная настройка buyer personas

Согласитесь, что привлекать клиентов и оптимизировать UX помогает тщательный анализ прошлого опыта пользователей. Именно здесь прогностический анализ пригодится маркетологам.

2. Персонализация маркетинговых сообщений

Управляя данными — управляете судьбами бизнеса

Первый шаг к пониманию предиктивной аналитики — рациональная организация данных. Соедините релевантные департаменты компании и проработайте массив информации по ним, чтобы сделать ее актуальной и управляемой. Можете даже разбить данные на микро-сегменты, для маломасштабных экспериментов и тестов — так вы сохраните преимущества данных без риска навредить информации. «Поиграйте» с моделями и составьте представление, что подходит для прогностического анализа, а что не слишком релевантно ему.

Если хотите в полной мере использовать потенциал технологии, держите перед глазами стратегический план и сосредоточьтесь на нем. Ставьте акцент на одной инициативе, ремаркетинг ли это, увеличение среднего чека или нечто иное. Умение точечно фокусироваться на цели позволит вам рациональнее использовать предиктивные методы — и преуспеть в бизнесе.

Используйте данный языковой паттерн по следующей схеме: 1.

Найдите утверждение, в котором позитивное переживание "обесценивается" словом "но" или "и/а".

Пример: Я хочу научиться использовать этот паттерн, но у меня нет времени.

2. Замените "но" на "даже если" и посмотрите на чем сфокусируется ваше внимание.

Пример: Я хочу научиться использовать этот паттерн, даже если у меня нет времени.

Взаимосвязь языка и репрезентативных систем хорошо демонстрирует импровизация Бэндлера и Гриндера:

Вы знаете, доктор Бэндлер, моя жизнь очень тяжела. Вы знаете, похоже, я просто не могу совладать с этим.

Я это вижу мистер Гриндер.

Я чувствую себя так, как будто сделал что-то не то со своими детьми, и не знаю, что именно. И, знаете, я думаю, может быть, Вы в состоянии помочь мне ощутить это?

Конечно. Мне ясно, о чем Вы говорите. Давайте сфокусируемся на одной конкретной точке. Постарайтесь описать мне Ваше собственное видение перспективы. Расскажите, как Вы видите свою ситуацию в данный момент?

Ну... Вы знаете, я просто... я... просто чувствую себя так, как будто не могу ни за что зацепиться.

Я это вижу. Для меня важно, что стало ясным из вашего красочного описания; для меня важно, чтобы мы под единым углом зрения увидели ту точку на нашем пути, к которой пойдем вместе.

Я пытаюсь рассказать Вам о том, что моя жизнь, Вы знаете, была полна острых углов. И я стараюсь найти способ...

Все выглядит разрушенным... по крайней мере, в вашем описании. Тона, в которые Вы все раскрашиваете,

довольно мрачные.

В данном примере Бэндлер и Гриндер демонстрируют, как люди выбирают определенные слова для представления своего опыта - предикаты. Предикаты - это глаголы, прилагательные и наречия в предложениях, которые мы применяет при общении друг с другом. Использование нами предикатов отражает типичные процессы, которые помогают нам репрезентировать наш опыт. Обращая внимание на выбор человеком предикатов, Вы собираете информацию о том, как говорящий воспринимает и организует свой опыт. Сравните следующие предложения:

Нужно получше рассмотреть то, что здесь написано.

Нужно обсудить то, что здесь написано.

Нужно прочувствовать то, что здесь написано.

В первом предложении представлен визуальный предикат (рассмотреть); во втором - аудиальный (обсудить); а в третьем - кинестетический (прочувствовать). Предикаты в нашей речи указывают ни то, какую репрезентативную систему использует человек и данный момент времени: аудиальную, визуальную или кинестетическую. Постоянное применение одного вида предикатов указывает на предпочитаемую репрезентативную систему человека. В вышеприведенном примере Джон Гриндер демонстрирует человека с кинестетической предпочитаемой репрезентативной системой, а Ричард Бэндлер - с визуальной. В литературе по НЛП и эриксоновскому гипнозу человека с той или иной предпочитаемой репрезентативной системой условно называют:

• "Визуал" (предпочитаемая репрезентативная система - визуальная);
• "Аудиал" (предпочитаемая репрезентативная система - аудиальная);
• "Кинестетик" (предпочитаемая репрезентативная система - кинестетическая).

  Естественно, что эта классификация довольно-таки условна, так как на разных этапах жизни человек может по-разному организовывать свой опыт: "визуал" может стать "кинестетиком" или "аудиалом", и наоборот.

  Когда мы используем такие слова, как "думать", "понимать", "знать" или "воспринимать", мы не уточняем как конкретно организуем свой опыт, т.е. эти слова не являются сенсорноопределенными, а значит, они нейтральны по отношению к репрезентативным системам. Чаще всего нейтральные или полимодальные слова применяются в журналистике и научной литературе, а художественная литература содержит богатый и разнообразный набор предикатов, используя все репрезентативные системы равным образом. Например:

  Сверчки умолкают.

  Зима набирает силу.

  Тускнеет солнце...

  Иида Дакоцу

  Ниже приводятся примеры сенсорноопределенных слов и выражений:

• визуальные: смотреть, картина, кино, взгляд, перспектива, фокус, фокусировать, воображение, зрение, иллюзия, рассматривать, глаз, предвидеть, вид, точка зрения, темный, светлый, мутный, неясный, слепой, визуализировать, отражать, блестеть, обозрение, зрелище, иллюстрировать, замечать, показывать, представлять, панорама, прояснять;
• аудиальные: звук, голос, говорить, рассказывать, слушать, слышать, спрашивать, звонкий, глухой, звонок, внятный, звенеть, созвучный, гармоничный, пронзительный, тихий, громкий, тон, резонировать, монотонный, дискуссия, неразговорчивый, шепот, шелест, журчать, вокальный, петь, заявлять, делать замечание, акцентировать, рифма, кричать, шептать, свистеть, шуметь;
• кинестетические: холодный, горячий, гладкий, шершавый, теплый, сдавить, сжать, ослабить, хватать, ощущать, чувствовать, чувствительный, вручать, контактировать, прикасаться, прикоснуться, осязать, напрячь, твердый, мягкий, тяжелый, легкий, держать, сильный, слабый;
• обонятельные: душистый, ароматный, запах, благоухать, благоухающий, вдыхать, дымный, спертый, свежий, вонючий, нюхать, аромат, пахнуть, зловонье, чутье;
• вкусовые: пресный, острый, сладкий, горький, пряный, привкус, вкус, лизать, вкусный, кусать, глотать, кислый, соленый, сочный;
• полимодальные: понимать, верить, думать, решать, помнить, знать, сознавать, учить, медитировать, догадываться, осознание, мотивировать, отношение, догадываться, оценивать, мнение, изменять, намериваться.

  Некоторые предикаты могут иметь несколько значений с точки зрения сенсорных систем. Например: бархатный звук (кинестетическая и аудиальная система); свежий взгляд (кинестетическая и визуальная). Такие предикаты могут быть точно определены только с учетом контекста.

• Визуальные выражения: я вижу, что Вы имеете в виду; я внимательно рассматриваю эту идею; будущее выглядит светлым; решение возникло прямо перед глазами; приятное зрелище; смотреть глаза в глаза; пролить свет на существо вопроса; смотреть на жизнь сквозь розовые очки; без тени сомнения.
• Аудиальные выражения: говорить на тарабарском языке; держать язык за зубами; нем как рыба; звонить в колокол; слово за слово; пропустить мимо ушей; жить в гармонии; на той же длине волны; давать аудиенцию; болтать без умолку.
• Кинестетические выражения: руки чешутся; связан по рукам и ногам; хладнокровный человек; палец о палец не ударил; твердое решение; плавно урегулировать; пальцем не тронуть; печенкой чувствовать.
• Обонятельные и вкусовые выражения: чуять недоброе; навязло в зубах; кислая мина; вкус к хорошей жизни; слащавый человек; горькая пилюля.

Таким образом, выбор слов показывает, какая репрезентативная система используется в данный момент. Представьте себе трех человек, которые прочитали одну и ту же книгу. Первый может отметить, как много он УВИДЕЛ в этой книге, как хорошо подобраны примеры, ИЛЛЮСТРИРУЮЩИЕ основную идею, и что она написана с БЛЕСКОМ. Другому может не понравиться ТОН книги, ее РЕЗКИЙ стиль. Он, фактически не мог НАСТРОИТЬСЯ на идеи автора и хотел бы ПОТОЛКОВАТЬ с ним об этом. Третий почувствует, что предмет разбирается очень ВЗВЕШЕННО. Ему импонирует манера, в которой автор ЗАТРОНУЛ все ключевые моменты, и он легко УХВАТИЛ все новые идеи. Он чувствует симпатию по отношению к автору.

Они все читали одну и ту же книгу. Легко заметить, что каждый выражает свое отношение к книге различными способами. Независимо от того, что они думают о книге, их отличает то, как они думают о ней. Первый мыслит картинками, второй - звуками, третий - ощущениями. Эти сенсорно-определенные слова (прилагательные, наречия и глаголы) называются в НЛП ПРЕДИКАТАМИ. Частое использование одного вида предикатов будет указывать на предпочитаемую репрезентативную систему человека.

Можно найти предпочитаемую систему автора любой книги, обратив внимание на тот язык, которым он пользуется. (Исключение составляют книги по НЛП и конкретный реферат, в котором автор может предпринять более расчетливый подход к употребляемым словам.) Классическая литература всегда содержит богатый и разнообразный набор предикатов, используя все репрезентативные системы равным образом.

Такие слова, как “понимать”, “объяснять”, “думать”, не являются сенсорно-определенными, и, следовательно, оказываются нейтральными по отношению к репрезентативным системам. В научных трудах авторы отдают предпочтение именно нейтральным, а не сенсорно-определенным словам, вероятно, неосознанно понимая, что сенсорно-определенные слова оказываются личностными по отношению к автору и читателю, и, следовательно, менее “объективными”. Однако нейтральные слова будут переводиться читателем различными способами (кинестетичным, аудиальным, визуальным) и положат начало множеству академических споров, зачастую по поводу этих слов. Каждый будет уверен в том, что он прав.

Каждая репрезентативная система имеет свой собственный “язык”. Если вы способны понимать и говорить с человеком, используя “язык” предпочитаемой им репрезентативной системы, то вы прокладываете путь к доверию, которое очень важно для любых тесных взаимоотношений.

Глазные сигналы доступа.

Легко обнаружить, когда человек думает картинками, звуками или ощущениями. Существуют видимые изменения, которые происходят в нашем теле, когда мы думаем различными способами. Способ нашего мышления оказывает влияние на наше тело, а то, как мы используем наше тело, действует на то, как мы думаем.

Мы систематически передвигаем глазами в различных направлениях в зависимости от того, как мы думаем. Неврологические исследования показали, что движения глаз по горизонтали и вертикали оказываются связанными с активацией различных частей головного мозга. В НЛП эти движения называются глазными сигналами доступа, потому что они являются визуальными сигналами, которые позволяют нам понять, как люди получают доступ к информации. Существует определенная внутренняя связь между движениями глаз и репрезентативными системами, поскольку одни и те же паттерны оказываются распространенными во всем мире.

Для начала проведем небольшой эксперимент. Предлагается ответить на ряд вопросов, обращая при этом внимание на движение глаз.

Визуальное воспоминание: У кого из ваших друзей самые длинные волосы? Сколько этажей в вашем доме? Как расположены полоски на теле у тигра?

Аудиальное воспоминание: Какая дверь в вашей квартире скрипит громче всех? Вспомните мотивы вашей любимой песни. Как звучит сигнал «занято» в вашем телефоне?

Кинестетическое воспоминание: Какая рука сейчас теплее: правая или левая? Что вы чувствуете, встав под ледяной душ? Кислый ли ломтик лимона во рту?

Не трудно заметить определенную закономерность при движении глаз. Существует взаимосвязь между обдумыванием вопроса и глазодвигательными реакциями. Следующая группа вопросов.

Визуальное конструирование: Если карту перевернуть, то в каком направлении будет юго-восток? Как, по-вашему, выглядят инопланетяне? Представьте себе зебру, у которой исчезли полосы.

Аудиальное конструирование: Как громко получится, если 10 человек крикнут одновременно? Как будет звучать цепная пила в сарае из рифленого железа? Представьте себе любимую мелодию, звучащую в 2 раза быстрее.

Несомненно, между последними вопросами и теми, которые были заданы раньше, присутствует существенная разница. Отвечая на первую группу вопросов, предстояло всего лишь вспомнить, воскресить в памяти нечто знакомое по прежнему опыту. Ответ на последнюю группу вопросов предусматривал конструирование чего-то совершенно необычного, нового. Движения глаз человека, размышляющего над каждым из этих вопросов, для большинства правшей выглядят следующим образом:

Когда мы визуализируем что-то из нашего прошлого опыта, наши глаза имеют тенденцию перемещаться вверх и влево по отношению к нам. Во время конструирования картинки из слов или в то время, когда мы пытаемся “вообразить” себе нечто такое, что мы никогда раньше не видели, наши глаза поднимаются вверх и вправо. Глаза перемещаются по горизонтали влево, когда мы вспоминаем звуки и по горизонтали вправо, когда мы конструируем их. При получении доступа к ощущениям типичным является движение глаз вниз и вправо. Когда мы разговариваем сами с собой, наши глаза чаще всего находятся внизу слева. Расфокусированный взгляд прямо перед собой, когда собеседник смотрит на вас и не видит вас, тоже говорит о визуализации.

Хотя в процессе мышления мы можем сознательно двигать глазами в любом направлении, получение доступа к определенной репрезентативной системе оказывается, но в общем случае, значительно более легким, если использовать подходящие естественные движения глаз. Они представляют собой инструменты тонкой настройки нашего мозга на определенную репрезентативную систему.

Обычно мы не осознаем свои латеральные движения глаз, и не существует причин, заставляющих нас это делать, но “высматривать” информацию в правильном месте - это полезное умение.

Сигналы доступа позволяют нам узнать, как другой человек думает, и важную часть тренингов НЛП составляет наблюдение за глазными сигналами доступа людей.

Движения глаз происходят очень быстро, и следует быть достаточно наблюдательным, чтобы увидеть их. Они будут показывать последовательность репрезентативных систем, которые человек использует, чтобы ответить на поставленный вопрос. Например, отвечая на аудиальный вопрос о самой громко скрипящей двери, человек может визуализировать каждую дверь, мысленно почувствовать, как он ее открывает и затем услышать звук. Возможно, он будет вынужден сделать это несколько раз, прежде чем даст ответ. Часто человек будет обращаться сначала к своей ведущей, а за тем к предпочитаемой системе, чтобы ответить на вопрос.

В процессе общения с собеседником необходимо расспросить его о чем-то хорошо ему известном, попытаться его расслабить и по возможности ослабить его бдительность. Отметьте предикаты в его рассказе (например: я вижу, я слышу, я чувствую), которые позволяют выделить, а затем и изучить одну из сфер сенсорного опыта собеседника (ауд., виз., кинест.). Последовательность работы данных сфер у каждого человека строго индивидуальна. В ходе общения с собеседником, чтобы понять принципы его внутреннего мышления, можно задать ему ряд вопросов, примеры которых приведены выше. В процессе наблюдения необходимо получить навыки определения модальностей собеседника по движению его глаз.

Другие сигналы доступа.

Движения глаз не являются единственными сигналами доступа, хотя, вероятно, их легче всего заметить. Так как тело и мозг неразделимы, то способ мышления всегда проявляется в чем-нибудь, и это можно увидеть, если знать, куда смотреть. В частности, это проявляется в паттернах дыхания, цвете кожи и позе.

Человек, думающий визуальными образами, обычно будет говорить быстрее и более высоким тоном, чем тот, который думает по-другому. Образы возникают в голове быстро, и приходится говорить быстро, чтобы успевать за ними. Дыхание будет верхним и более поверхностным. Часто наблюдается повышенное напряжение мускулатуры, в частности, в плечах, голова высоко поднята, а лицо бледнее обычного.

Те люди, которые думают звуками, дышат всей грудью. Часто возникают мелкие ритмические движения тела, а тон голоса чистый, выразительный, резонирующий. Голова балансирует на плечах или слегка наклонена к одному из них, как бы прислушиваясь к чему-то.

Люди, которые разговаривают сами с собой, будут часто склонять голову в одну сторону, подпирая ее рукой или кулаком. Это положение известно под названием “телефонная поза”, потому что она выглядит так, как будто человек говорит по невидимому телефону. Некоторые люди повторяют то, что они только что услышали, в такт своему дыханию, и можно увидеть, как шевелятся их губы.

Кинестетический доступ характеризуется глубоким низким дыханием в области живота, часто сопровождающимися мускульным расслаблением. С низким положением головы связан голос низкой тональности, и человек будет говорить медленно, с длинными паузами. “Мыслитель” - скульптура Родена - несомненно, думает кинестетические.

Движения и жесты также расскажут о том, как человек думает. Многие люди будут указывать на тот орган чувств, который они используют внутренним образом: они покажут на свои уши, прислушиваясь к звукам внутри себя, покажут на глаза, визуализируя, или на живот, если испытывают сильные ощущения. Эти знаки говорят не о том, о чем думает человек, а о том, как он это делает. Это язык телодвижений в более рафинированной и утонченной форме, чем обычно принято его интерпретировать.

Идеи репрезентативных систем - это очень полезный способ понимания того, как различные люди думают, а чтение сигналов доступа является бесценным искусством для тех, кто хочет улучшить свои коммуникации с другими людьми. Это важно для терапевтов и преподавателей. Терапевт может начать понимать, как его клиенты думают, и обнаружит, каким образом они могли бы это изменить. Преподаватель может определить, какие способы мышления работают лучше всего в разных ситуациях, и учить именно этим успешным способам.

Для анализа больших объёмов информации, улучшения показателей и формирования прогнозов крупные и малые бизнесы используют предиктивную (она же — предсказательная) аналитику. Это интеллектуальный анализ данных, который включает статистическое моделирование, изучение исторического опыта и планирование результатов на основе полученных моделей.

Чтобы все эти операции выполнялись за считанные секунды, многие компании используют в предиктивной аналитике технологии искусственного интеллекта. Посмотрим, как именно это происходит на практике.

1. Walmart: оптимизация системы снабжения

Начнём с примера, который один может вдохновить всю розничную торговлю. Компания Walmart, крупнейшая в мире сеть оптовой и розничной торговли, адаптируется к эпохе цифровых технологий, связывая онлайн- и офлайн-данные. Система запрашивает информацию у кассовых терминалов и даёт прогноз, какие товары будут пользоваться спросом, а какие - нет.

Информацией управляют с помощью облака Data Cafe Walmart, которое обслуживается командой Walmart Labs в Силиконовой долине. Эта операция нужна для расчёта ожидаемых показателей. Благодаря инструментам предиктивной аналитики и искусственному интеллекту компания оптимизировала цепочку поставки товара и добилась соблюдения сроков доставки.

Стоит отметить, что такая технология может использоваться не только гигантами, как Walmart. Любой менеджер менее крупной компании с помощью доступных технологий от Google и Adobe может правильно организовать поставки товаров и минимизировать риски дорогостоящих корректировок, если спрос превышает предложение или наоборот.

2. Зоопарк Point Defiance: рост малого бизнеса

Опрос SAP показал, что более 70 % руководителей малого бизнеса также начинают использовать в работе аналитические данные. Приведём пример.

Посещаемость зоопарка Point Defiance (Такома, штат Вашингтон) то непредсказуемо росла, то падала. В случае небольшого числа людей расходы на персонал оказывались слишком большими. Чтобы выявить факторы, влияющие на посещаемость, руководство зоопарка начало сотрудничать с национальной метеорологической службой.

Объединение данных национальной метеорологической службы с управляемой искусственным интеллектом платформой Watson IBM позволило с точностью до 95 % определять, при каких погодных условиях люди посещают зоопарк, и обеспечивать его нужным количеством персонала.

Конечно, практическое применение этого метода гораздо шире, чем просто анализ числа посещений. В Point Defiance изучают, как посетители ведут себя в зоопарке, где проводят больше времени, какие маршруты выбирают. Анализ этой информации позволяет улучшить качество обслуживания. В планах также использование искусственного интеллекта для контроля данных о здоровье, диагностики проблем животных парка и проведения необходимого лечения.

3. Hopper: прогнозирование ценовых тенденций

Индустрия туризма печально известна высокой конкуренцией, недолговечными пиками, спадами спроса и низкорентабельными направлениями. Из-за этого многие путешественники сомневаются в правильном выборе времени для бронирования билетов: сделать заказ за несколько месяцев или за два дня до даты отправления.

Решить эту проблему помогают приложения для путешествий, использующие предиктивную аналитику на основе технологий искусственного интеллекта. Отличный пример в данном случае - Hopper.

Приложение использует статические модели и ежедневно сканирует миллиард цен и данных по каждому маршруту. Это позволяет прогнозировать модели ценообразования и оповещать путешественников о возможности купить самые дешёвые билеты на желаемое направление.

Конечно, это не единственная компания, предоставляющая такую услугу. В России широко известны AviaSales, Skyscanner, TripAdvisor и др.

4. IBM: сохранение персонала

Плюс предиктивной аналитики - возможность получить долгосрочные результаты, работающие на цели компании. Чаще всего это получение прибыли. Однако предиктивная аналитика и искусственный интеллект могут помочь не только в этом. С их помощью можно выявить проблемы текучки кадров и предложить пути их решения.

Так, суперкомпьютер Watson IBM оценивает общие факторы, влияющие на уход персонала. По структурированным данным (как на скриншоте ниже) он определяет показатели качества для каждого сотрудника и просчитывает вероятность его увольнения.

Владелец бизнеса или менеджер может использовать эти показатели, чтобы выявить причины возможного ухода сотрудников из компании и предотвратить это. Предиктивная аналитика также позволяет учитывать затраты на привлечение новых кадров и сохранение имеющихся специалистов. Благодаря этому появляется возможность снизить операционные расходы.

5. Under Armour: увеличение охвата аудитории

Компания Under Armour, производитель спортивного инвентаря, использует искусственный интеллект и предиктивную аналитику для анализа тональности публикаций и общественного мнения. Они хотят понять отношение потребителя к бренду, найти свободные ниши на рынке и расширить аудиторию. Для этого компания должна чётко знать, кто её потенциальный клиент, и взаимодействовать с ним посредством персонализированных сообщений.

Кроме того, сейчас компания производит не только спортивные товары, но и приложения и устройства, предназначенные для учёта отдельных характеристик организма пользователя (фитнес-трекеры, умные часы и пр.). Чем больше людей используют эту продукцию, тем больше информации поступает в Under Armour. Так, в год компания получает данные от более чем 200 миллионов зарегистрированных пользователей. Это позволяет не только связать офлайн- и онлайн-миры, но и даёт понимание, как именно улучшить продукцию.

6. Сбербанк: Big Five и риск-менеджмент

Для банка оценка рисков крайне важна, ведь любой риск - это возможность недополучить доход. Выдавая кредит или совершая другую операцию, банк должен быть уверен, что перед ним платежеспособный человек, не принимающий необдуманных решений. Сейчас для этого совсем не обязательно задавать миллион вопросов. Достаточно проанализировать поведение человека в социальных сетях.

Такую методологию искусственного интеллекта Сбербанк внедрил в свой риск-менеджмент. Она называется Big Five. Технология позволяет составить психологический портрет личности и оценить его благонадёжность для банка на основе пяти черт характера: добросовестность, открытость, общительность, законопослушность и эмоциональная неустойчивость. Применяя эту методологию, Сбербанк получил $50 млн чистой прибыли .

Новая нейронная сеть, которую мы запустили, даёт значительно более высокий результат, коэффициент примерно на 8 процентных пунктов выше - это гигантское отличие от того, что было раньше. Это говорит о том, что мы сможем выдавать кредиты значительно быстрее большему количеству предпринимателей. И ставка будет падать.

глава Сбербанка

Сегодня нет ни одной сферы деятельности, где бы компания ни пыталась применить искусственный интеллект: открытие счетов с помощью программного робота, одобрение кредитов без участия человека, оценка работы сотрудников и т. д. В планах у Сбербанка оптимизировать с помощью искусственного интеллекта до 80 % операций.

7. Ingate: технологический сервис для удержания клиентов

Клиент - это доход. Поэтому компания должна учитывать пожелания каждого из них. А что делать, если у компании десятки, сотни или даже тысячи клиентов? Отследить их настрой на продолжение сотрудничества достаточно сложно, и без предиктивной аналитики и искусственного интеллекта уже не обойтись. Мы тоже не остались на обочине прогресса и разработали сервис, который позволяет отслеживать готовность клиента к продолжению сотрудничества.

Для оценки мы учитываем более 100 факторов: как давно клиент заходил в аккаунт, менял в нём информацию, запрашивал отчёты, проверял статистику и т. д. После анализа аккаунт-менеджер получает список клиентов, где в процентах указана вероятность отказа от услуг компании, и связывается с ними для выявления проблем. Останется клиент или уйдет, уже зависит от работы менеджера.

руководитель направления исследований Ingate

Вот только малая часть примеров использования предиктивной аналитики на основе технологий искусственного интеллекта. Если у вас есть необходимые аналитические данные и люди, которые смогут грамотно их интерпретировать и сформировать прогнозы, не упускайте возможность зарабатывать больше.