Как MasterCard продаёт продавцам «большие данные» о покупателях

Общеизвестно, что банки и платёжные системы знают о своих клиентах очень многое. Например, когда полиция ищет преступников, первым делом обычно проверяют платежи по кредитным картам. Применяются ли эти данные как-то ещё? Безусловно. В MasterCard считают, что «большие данные» помогут изменить ритейл. В конечном счёте, у продавцов и так есть информация о покупателях, так почему бы не попробовать извлечь дополнительную пользу из этих данных?

В мире существует примерно 1,9 миллиарда активных карт MasterCard, выпускаемых 22 тысячами авторизованных партнёров в 210 странах. Через компьютеры компании проходит информация приблизительно о 65 миллиардах транзакций за год. К системе подключено около 32 миллионов фирм, торгующих и в офлайне, и в онлайне. Анализируя эти данные, можно как получить подробную картину торговых тенденций, так и изучить частные случаи.

Единственное затруднение (помимо того что данных очень много: их накоплено примерно 10 петабайт) заключается в том, что информация поступает в плохо структурированном виде. Каждая запись о транзакции содержит поле с именем продавца, время, дату и номер кредитной карты. Первым делом отсюда убирается номер карты, чтобы данные стали анонимными. Дальше нужно разобраться с названием фирмы-продавца: оно вписано в обычное текстовое поле, и один и тот же продавец здесь нередко представлен под разными именами. Чтобы привести данные в «божеский вид», было разработано около 700 тысяч правил, которые, в числе прочего, группируют покупки по торговым точкам, компаниям и магазинным сетям.

Следом данные анализируют — с тем чтобы составить отчёты и прогнозы. В поддержку собственному аналитическому отделу фирма MasterCard сделала инвестицию в стартап Mu Sigma, специализирующийся на разработке решений для анализа «больших данных». Базы данных MasterCard и решения Mu Sigma станут основой для будущих продуктов.

Один из этих продуктов — отчёты, которые MasterCard продаёт компаниям, специализирующимся на розничной торговле. Исследования помогают им лучше изучить привычки своих покупателей и узнать о тенденциях рынка. База транзакций MasterCard на данный момент насчитывает записи о платежах за последние пять лет. Специалисты MasterCard и Mu Sigma заняты тем, что сортируют эту базу по сегментам, пытаются найти закономерности и составляют самую разнообразную статистику.

На графике из одного из таких отчётов можно видеть покупательские привычки жителей и гостей разных городов США. Невооружённым глазом заметно, что покупатели в Майами и Лас-Вегасе отличаются от жителей Нью-Йорка, Чикаго и Лос-Анджелеса: они меньше тратят на покупки в магазинах, зато намного больше — на авиабилеты и прочие услуги для туристов. Зато Лас-Вегас, судя по этому графику, впереди по электронной торговле, тогда как в Майами она наименее развита.

На группы делят и самих покупателей. К примеру, покупка в музыкальном магазине станет индикатором того, что покупатель — музыкант. Частые платежи в ресторане означают, что человек не чужд гастрономическим удовольствиям. Таким образом владельцы магазинов, торговых сетей и прочих бизнесов смогут узнать, что ещё интересует их клиентов. А соответственно, и разнообразить ассортимент, предлагая те или иные товары. По заявлениям MasterCard, это не только приносит ощутимую выгоду, но и в некоторых случаях позволяет полностью преобразовать бизнес.

На данный момент работы по изучению накопленных (вернее — накапливающихся) массивов информации можно считать лишь едва начатыми. MasterCard вынашивает обширные планы по анализу данных. Индикатором этого может служить недавнее открытие аналитического центра в Индии (Advanced Analytics Centre of Excellence). Помимо самой аналитики, там будут заниматься разработкой новых предложений для партнёров MasterCard.

Как и в случае с любыми инициативами, связанными с анализом персональных данных, в действиях MasterCard несложно усмотреть неприятную тенденцию и, возможно, придумать ситуации, когда отчёты теоретически смогут навредить пользователям карт или покупателям. В MasterCard, похоже, уверены, что польза в данном случае многократно перевешивает все опасения.

Что будем искать? Например,ChatGPT

Мы в социальных сетях