Молодая компания из Сан-Франциско Premise Data создала приложение для смартфона, которым уже пользуются более семисот человек из двадцати пяти развивающихся стран. Большинство из этих людей – студенты и домохозяйки. С помощью приложения они зарабатывают тем, что фотографируют товары.

Каждый снимок приносит его автору от восьми до десяти центов и представляет значительно большую ценность для Premise. Анализируя по свежим фотографиям динамику цен на товары ежедневного потребления, сотрудники Premise выстраивают индекс инфляции практически в режиме реального времени.

Premise платит за фотографию ценника до десяти центов и при этом получает прибыль (изображение: premise.com)
Premise платит за фотографию ценника до десяти центов и при этом получает прибыль (изображение: premise.com).

В компании считают, что такие аналитические данные сегодня чрезвычайно востребованы, и надеются продавать их на регулярной основе. Среди подписчиков Premise уже числятся Procter & Gamble и хедж-фонды Уолл-стрит. Цена подписки на месяц колеблется от $1 500 до $15 000.

Исполнительный директор Premise Дэвид Солоф (David Soloff) так оценивает ближайшие перспективы:

“В течение пяти лет я хотел бы увеличить число занятых мониторингом людей до трёх–четырёх тысяч. Глобальный мониторинг инфляции позволит оптимизировать расходы и защитит от спекуляций”.

Идея довольно проста: обладая актуальными сведениями и достаточной вычислительной мощностью для их обработки, можно найти новые закономерности и взаимосвязи между различными типами данных.

Сама по себе фотография корзины орехов в каком-нибудь азиатском магазине не имеет большой ценности. Если же сопоставить её с другими аналогичными снимками, ретроспективными данными о метеоусловиях и экономических показателях выбранных регионов, а затем выполнить статистический анализ, то выводы о характере и причинах изменения цен могут оказаться весьма значимыми.

Для Premise на снимках важны не только цены, но и расположение товара (premise.com)
Для Premise на снимках важны не только цены, но и расположение товара (premise.com).

В Premise утверждают, что спрогнозировали уровень инфляции в Индии на несколько месяцев раньше правительства, просто ежедневно отслеживая цены на лук по стране.

Научный сотрудник Центра предпринимательства и техники Калифорнийского университета Бернт Вал (Bernt Wahl) поясняет, что верность принятия решений, основанных на такой аналитике, напрямую зависит от свежести полученной информации:

““Большие данные” проливают свет на рыночную ситуацию и дают возможность реагировать быстрее. Скоро это станет регулярным бизнесом, основанным на прогнозировании. Все компании начнут действовать как Amazon – постоянно корректировать свои цены по всему миру”.

В Premise сочетают отслеживание изменения цен по присланным фотографиям и прайс-листам с тридцати тысяч сайтов. На основе этих данных составляются национальный индекс инфляции и карты уровня цены в Калькутте, Шанхае, Рио-де-Жанейро и других городах. На схеме ниже красным обозначены текущие регионы наблюдения Premise. Тёмно-серым цветом выделены страны, планируемые к добавлению в следующем году.

Premise: текущие и планируемые регионы мониторинга цен (изображение: premise.com)
Premise: текущие и планируемые регионы мониторинга цен (изображение: premise.com).

Как видите, подобный анализ в России и странах СНГ даже не планируется, поэтому упомянутое приложение для нас неактуально. Впрочем, это не отменяет ценности самой инициативы прогнозирования на основе анализа больших объёмов данных.

Можно продолжать делать прогнозы по старинке – на базе обычного ретроспективного анализа. Например, оценить продажи мороженого прошлым летом и готовиться к такому же объёму в будущем сезоне. Однако сегодня есть более совершенные инструменты.

Анализ “больших данных” позволяет учесть при прогнозировании десятки сторонних факторов – от климатических особенностей до количества спортивных мероприятий в городе. Вполне возможно, что на объём продаж мороженого заметно влияют именно они – или какой-то другой, отнюдь не очевидный фактор. Выявить такую корреляцию можно только благодаря технологиям Big Data.