Maailmas, kus ühe minutiga luuakse 1820 terabaiti uusi andmeid, on vaja üha paremaid andmeanalüütikuid ning tõenäoliselt ei jõua ükski ettevõte ise kõiki andmeid koguda ega analüüsida – see võiks olla Krediidiinfo kevadise, andmemaailma telgitaguseid avanud konverentsi  “Andmetest välja võlutud ärilised kasud” lühikokkuvõte.

Rohkem pilte 2. aprillil 2015 toimunud konverentsist leiab meie Facebooki lehelt

Big Data aitab kõiki – andmeid tuleb vaid õigesti kasutada

Mihkel Lauk PriceWaterhouseCoopersist keskendus Big Datale ehk ülisuurtele andmemahtudele, mis tekivad internetikasutamise tagajärjel. Laugu sõnul peetakse Big Datat uueks kütuseks majandusmootoris. Tänapäeval pole olemas sektorit, kus andmeanalüüs poleks oluline, toonitas Lauk. Nii jae-, avalik-, finants- kui ka professionaalne sektor saavad kõik Big Data analüüsist kasu lõigata.

Ülisuurte andmemahtude analüüsimist takistavad aga valdkonna vähene tundmine, arusaama ja oskuste puudumine ja levinud küsimus, kas ja kuidas andmeanalüüs kulud tagasi teenib. Lisaks paiknevad andmed enamasti IT-osakondades, kuid seal neid ei analüüsita.

Kasu Big Datast võib olla suur. Eestis on hea näide ettevõte Positium, kes uuris mobiilide SIM-kaartide põhjal inimeste liikumist Eesti ja Soome vahel. Samuti tõi Mihkel Lauk näiteks Trigon Agri eduloo, kes on suutnud IT oskuslikult oma äriprotsessidesse integreerida. Õppida võib ka Selveri Selveekspressi teenusest. Potentsiaali on veelgi – kasutada infot, mis asub nutitelefonides, Digi-TVs, panganduses, jaekaubanduses, sõidukaartidel, riiklikes andmekogudes.

Kas teadsid? Ühes minutis tekib 98 000 tviiti, 695 000 staatuseuuendust, saadetakse 11 miljonit sõnumit, sisestatakse 698 445 Google’i otsingut, saadetakse 168 miljonit e-kirja, tekib 1820 TB infot ning lisandub 217 uut mobiilse veebi kasutajat.

Big Data aitab teha paremaid krediidiotsuseid

Erki Kert juhib AS Big Data Scoringut, mis aitab Big Datat aluseks võttes hinnata maksevõimet. Ettevõte on andmeid kogunud kolm aastat ning selle klientideks on peamiselt (välismaised) pangad, kindlustusfirmad ja krediidiettevõtted.

Kerti sõnul on andmete hoidmine ja salvestamine odav, kuid oskus nendega ümber käia isegi rahvusvahelistes suurettevõtetes üsna puudulik. 95% inimese kohta käivast infost ignoreeritakse – see tähendab, et ikka veel kasutatakse vaid tavapärast krediidiinfot ja laenutaotlusi hindavad inimesed kõhutunde pealt. Big Data Scoring on aga võimeline koguma väga erinevaist allikaist inimese kohta kuni 15 000 ühikut infot, millest sajakonnast on otsustamisel abi.

Kert soovitas panna laenutaotlusi inimeste asemel analüüsima targad andmesüsteemid, sest sobiva mudeli olemasolul saab maksevõimet prognoosida ka näiteks selle järgi, millise seadmega laenu küsitakse (mobiil, lauaarvuti, nutitelefon, selle operatsioonisüsteem ja versioon, seadme asukoht). Lisaks võib vaadata inimese veebikäitumist: mida ja kui kaua ta laenuandja kodulehel loeb, kuidas täidab taotlust (kiiresti, aeglaselt, kas kasutab palju copy-paste‘i). Kõige selle põhjal saab ennustada tõenäosuse, kas inimene jääb laenu maksmisega hätta või mitte. Loe pikemat intervjuud Erki Kertiga.

Automaatse krediidiotsuse puhul annab vastuse arvutisüsteem

Vandeadvokaat Tarmo Friedenthal keskendus oma ettekandes automatiseeritud krediidiotsustele. Automaatne krediidiotsus on andmetöötlussüsteemi poolt ilma tarbija osaluseta langetatud krediidiotsus, mis isikuandmete kaitse seaduse kohaselt on lubatav juhul, kui enne krediidiotsus tegemist on krediiditaotlejale teada, millise protsessi tulemusena andmetöötlussüsteem otsuse teeb ja negatiivse krediidiotsuse korral on tarbijale tagatud vastuväite esitamise võimalus (näiteks võimalus taotleda krediiditaotluse uut läbi vaatamist „masina“ osavõtuta).

Krediidijärelevalve võid sisse osta, et ise muuga tegeleda

Krediidiinfo tegevjuht Alar Jäger rääkis üritusel, et laieneda soovival ettevõttel peab olema üsna liberaalne krediidipoliitika ja tuleb võtta riske. See võib tähendada suuremat hulka mitte-nii-häid otsuseid ning vajadust krediidijärelevalveks.

Krediidiinfogi pakub krediidijärelevalve teenust, kuid Jägeri sõnul tegeleb Eestis enamasti iga ettevõte oma krediidijärelevalvega ise. See aga vähendab tootlikkust, sest piltlikult öeldes: keegi istub ja ootab, et kes ja millal võlgu jääb. Tekib olukord, et oma toote müügi asemel tegeleb ettevõte sellega, mis kasu ei too. „Nii me Soomele järele ei jõua,” sõnas Jäger.

Kuidas jõuda kasuni? Jägeri sõnul võiks iga ettevõte keskenduda “85/15” reeglile, mis tähendab, et 85% ulatuses tegeletakse klientidega, kes raha sisse toovad ning lastakse infosüsteemidel tegeleda 15% probleemsete klientidega. Just head kliendid peavad tundma inimlikkust ja enda väärtustamist. Jäger soovitas mõelda suurelt ning kaasata töösse väliseid eksperte – iga ettevõte ei jõua kõike ise teha.

Andmete kasutamine edukaks müügitööks

Eero Kalm, Infovara OÜ müügijuht andis ülevaate, kuidas andmed paremini müüa aitavad. Kalmu sõnul ei mõista osad ettevõtted, et andmed on väga oluline vara liik. Infovara, kellel on tänaseks üle 120 kliendi, loob andmete analüüsi, jagamise, vaatlemise ja avastamise keskkondi.

Kalm kõneles, et edukas äri peab leidma uusi kliente, pakkuma olemasolevatele rohkem ning müüma kallimalt. Klientide leidmiseks omakorda on vaja infot – Infovara OÜ kliendiandmed pärinevad 15 erinevast allikast.

Et olemasolevatele klientidele rohkem müüa, tuleks luua kliendisegmendid, õppida neid mõistma ning tunda oma klienti nii hästi kui võimalik. Selleks kõigeks vajame infot. „Ära jää andmete kogumisel või analüüsimisel IT-arenduste taha, andmed, mida vajad, on peaaegu alati kusagil olemas,“ innustas Kalm.

Esinejate ettekanded