Jiří Štěpán

Big dataPersonalizace

Příležitosti & problémy

„Expert“ @JiriStepan• Od roku 1997 pomáhám firmám uspět na

internetu. • Nyní vedu datově orientovanou společnost

Etnetera ActivateJsem: • datafreek, který na sobě měří co se dá• nadšenec do cloudů, Rka a dat• sportovec, propagátor cyklistiky a otec.

O čem se dnes budeme bavit

• Jak velká jsou big data a kde se vzala?

• Jak se dá personalizovat online komunikace

• Trocha etiky kolem, aby to nevypadalo tak růžově

• Big data nejsou jen data větší než jeden disk.

• Charakteristika je složitější.

• Pojďme se podívat do historie, jak to vlastně vzniklo …

5 MB disk v roce 1956

V blízké budoucnosti bude třeba internet po celé trase Praha –

Brno!!!!

Řádově 10e4 více výkonnější hračka

Kdyby pokrok šel stejně rychle …• Rodinný dům by byl postaven za 25minut• Autem na Jadran bychom jeli 50 sekund• .. a za 0,1cl benzínu• Rozpočet na energii a topení by byl jednotky

kč / ročně• Nebo by ..

Person-Person distance in 1969

http://www.jstor.org/discover/10.2307/2786545?uid=3739704&uid=2&uid=4&uid=3739256&sid=21101674727517

.. And in 2008

http://arxiv.org/abs/0803.0939

Takže si to shrneme ….

Někdy kolem roku 2010 klesly náklady na přenos a uskladnění a zpracování dat prakticky na nulu.

A to umožnilo vznik oboru big data

Definice Big dat: 4V

Technologicky to znamená• Opuštění modelu relačních databází• Nástup platforem jako hadoop, mongodb, elastics search,

redshift, bigquery, …• Ty umožňují:

– Škálovat horizontálně na mnoha malých strojích – Schopnost pracovat se streamem dat– Nějakou omezenou formu SQL like dotazování

• Daní je velká omezenost typů, operací a vnitřní konzistence dat

• Zpravidla orientovány na přírůstkové zpracování, nikoliv mazání a updaty

Large data vs. main data

Large data (mainly SQL)• Jsme schopni predikovat

jejich velikost za pět let• Známe přesně strukturu a

účel dat• Po uložení jsou aktualizovány• Chceme kontrolovat vnitřní

konzistenci dat• Dopředu víme jak budeme

data používat a známe jejich účel a hodnotu

Big data (no SQL)• Nevíme kolik bude dat a to

ani řádově• Data mají, jeden dva

indexy(klíče) a to je vše• Po uložení zůstávají• Data nebudou 100%

konsitentní• Data ukládáme pro strýčka

příhodu, jejich hodnotu vnímáme intuitivně

Big data „filozoficky“

• Uložení informací je tak levné, že se ukládá cokoliv a nastálo.

• Ukládá se tedy více informací než dokáže kdokoliv kdykoliv přečíst.

• Tato data nikdy nikdo neuvidí jako taková. Projeví se jen jako výstupy vizualizací či strojového učení

• Ukládají se informace „pro strýčka příhodu“

Co to znamená v praxi?• Každý kdo dnes poskytuje nějakou službu si

ukládá skoro vše o jejím používání.• Proč? Protože přenos, uložení a zpracování

dat jsou zadarmo• Každý druhý dokáže tato data dát do kontextu

a využít ke svým záměrům• Proč jen každý druhý? Protože je (zatím) málo

data vědců

To je mimochodem můj tip na doporučení budoucího povolání. Datových vědců je a bude velký nedostatek.

2012

2013

2014

PERSONALIZACE VČERA, DNES A ZÍTRA

Definice personalizace pro tuto přednášku:

Digitální komunikace, která sdělení modifikuje dle nějaké znalosti o příjemci.

Jaká komunikace? Jaké sdělení a jak jej modifikuje

Jaké znalosti můžeme mít

Ještě jedna definice …

Personalizace je když se snažíte využít vaše

poznání zákazníka, abyste mu něco prodali.

Ale paninko na svíčkovou

potřebujete lepší maso

Ále dobrý den, Chutnala ta rybička

manželovi?

Že jste to vy, dám vám to za jenom za 50.

Pro vás vašnosti, bych vybral spíš

tohle. To víte kvalitka.

Pokrok nezastavíš …

Statický obsah(2005)

Web

Mass email

Banner

Obsah dle kontextu

(2010)

Dynamický web

Segmentovaný email, trigger email

PPC reklama

Obsah dle dlouhodobé

znalosti uživatele (nyní)

Personalizovaný web

1:1 automatizovaná

emailová komunikace

RTB, Behaviorální cílení, dynamické

banery

???

Prediktivní doporučení?

Personalizovaný produkt?

???

???

Co od personalizace můžeme čekat?

• Vyšší spokojenost uživatelů– Vyšší konverze– Delší dobu na stránkách, více zobrazení stránek– Častější používání– Vyšší CTR, openrate, …

• Vyšší loayalitu– Méně odhlášených z newslleteru– Větší šance na znovu nakoupení

• Poznání zákazníků a jejich chování z dalšího úhlu pohledu

Co od personalizace jistě dostaneme

• Více práce– Práce s daty– Více kreativ, textů apod.– Nastavovaní pravidel– Více testování

• Zamyšlení nad našimi zákazníky

OK, CHCI TO.CO MÁM DĚLAT?

Jaké kanály můžeme personalizovat?

Jak personalizaci prezentovat

Explicitně – vybrali jsme pro vás, protože ….

Implicitně – prostě jenom zobrazení

Jaké sdělení• Alternace několika ručně připravených

sdělení– Banner pro muže, ženy, pro lidi nad 30let– Jiný email pro lidi s příznakem VIP

• Sdělení tvořené na základě pravidel– Jiné řazení obsahu– Vybrané produkty, nabídky– Email generovaný na základě prohlížených

produktů– Cena pro zákazníka

Dlou

hodo

bá p

racn

ost

Nutnost kvalitního m

ěření a monitoringu

VÝVOJOVÉ STUPNĚ PERSONALIZACE(DLE SLOŽITOSTI IMPLEMENTACE)

Základní škola: Personalizace dle kontextu požadavku

• Známe jen to, co nám pošle prohlížeč– Lokaci– Jazyk– Odkud a proč přišel– Typ prohlížeče– Typ sítě– Základní informace o tom, zda je tu poprvé nebo ne

• Nepotřebujeme drahé nástroje – stačí kreativita

Tip: Mrkněte hned do vašich GA, jak to

u vás vypadá

Gympl: Víme o zákazníkovi statické informace

• Data zjištěná typicky ze soutěží, registrací atd.• Základní demografie• Snadno spočítatelné charakteristiky zákazníka– Počet návštěv, celková útrata, …

Občas se holt netrefíte.

MATURITA: REAGUJEME NA ŽIVOTNÍ CYKLUS

Long time customer live cycle

Další příklady

• Zapomenutý košík• Trigger email s nabídkou z prohlížené

kategorie• Umělá úprava ceny nebo dostupnosti při

opakované návštěvě• Využití callcentra pro volání uživatelům s web

aktivitou

VYŠŠÍ DÍVČÍ - DOPORUČOVÁNÍ

Produkty / články

Interakce / hodnocení

/ zájem

Uživatelé/Odborníci/ komunita

Doporučení

Základní typy doporučení

• Na základě atributů– Líbily se mi tři filmy, které režíroval W. Allen a

systém doporučí další filmy tohoto režiséra• Na základě podobnosti zájmů– Líbilo se mi deset stejných filmů jako jiným

uživatelů, tak mi to doporučí dva navíc co jsem ještě neviděl

– Ti kdo kupovali toto, kupovali i toto• Kombinace obou přístupů POZOR – tady je opravdu

nutné mít čistá data

Poznámka k reálnému světuJediné co zatím opravdu funguje je „kartička“.

„Slibné“ začátky, ale zatím není masivně používáno:• Hlas jako identifikátor volajícího, analýza

emocí• Analýza obrazového záznamu• Technologie typu iBeacon, případně wifi

tracking

BIGDATA & ETIKA

Co big data a personalizace znamenají pro společnost

• Obrovský business – Data jsou dnes defakto surovinou. – Těží se, prodávají se, zpracovávají se. – (Akorát je málo horníků)

• Obrovskou příležitost ke zlepšení života– Optimalizace dopravy, výroby, zdravotní aplikace, …

• Obrovské riziko zneužití informací

Rizika sběru dat - otázky• Kdo data sbírá a jak moc s tím souhlasíte

– Je jasné, že se data sbírají a že s tím souhlasíte? Máte možnost s tím něco dělat?

• Míra schopnosti identifikovat jedince a možnosti jeho poškození.– Jak moc může zneužití ublížit? Jen obtěžuje? Může stát peníze? Může

člověka zabít?• Transparentnost dalšího zpracování dat

– Víme co se s daty děje, zda jsou anonymizována, jak jsou zabezpečena atd.?

• Retence dat s ohledem na změnu charakteru subjektu– Jak dlouho jsou data ukládána? Co se s daty děje v případě např.

prodeje společnosti?

Kdo data sbírá?• Přímo nějaká viditelná firma a vy to víte

a souhlasíte s tím (Tesco card)• Nějaký „infrastrukturní“ subjekt– Google, reklamní síť, antivirus, Android

• Stát veřejně (všechny formuláře, data z kamer, registry)

• Stát neveřejně – tady jsme ve spekulacích

• Explicitně kriminální živel nebo nepřítel

Riziko

Case study – na lovu těhotných žen• Target pregnacy model (2012):

http://www.businessinsider.com/the-incredible-story-of-how-target-exposed-a-teen-girls-pregnancy-2012-2 – Celé založeno na prosté detekci

nákupu 25 produktů a věrnostní kartičce

• A když se zkusíte schovat, tak jste málem kriminálník: http://mashable.com/2014/04/26/big-data-pregnancy/#VtUroBEmmaqd

Case study 2 – nakládání s datyUber.com• Super služba, zkuste si.• Ukládá trvale kompletní data o každé

jízdě. GPS log, hodnocení, kartu, …• Září 2014: hackerský útok a únik dat.

Kdo má dnes data o našich jízdách stále nevíme.

• Listopad 2014: Kauza božského režimu vs. Johana Bhuiyanová.

• Prosinec 2014: Podezření na zneužití dat k očernění novinářů

Otázka k zamyšlení: UBER je dnes největší globální taxislužbou.

Přitom nevlastní jediné auto a nezaměstnává

jediného řidiče.

Vše co má jsou data.

Infrastruktura: Co o nás ví Google?

• Toto ví o každé cookie:– https://myaccount.google.com/privacy

• A toto pokud se přihlásíte:– https://history.google.com/history/device

(iPhone je na tom úplně stejně a Facebook hůře, Google je alespoň otevřený)

Další infrastrukturní hráči

• Síťoví operátoři (včetně informací z BTS)• Operační systémy• Antivirové programy• Prohlížeče• Reklamní sítě• Sociální sítě (zejména gadgety)• …

Na jaké weby se ve skutečnosti díváte?

• Light Beam extension pro Firefox

• Ukazuje to co nevidíte

• Zkuste si jej, budete se divit

Akce -> ReakceDle aktuálních výzkumů je jednou z příčin růstu blokování reklam masivní a nešetrně použitý remarketing.

Lidé se poprvé uvědomili, že jsou sledováni. A vadí jim to.

Ta opravdová rizika

IBM's Hollerith punch-card machine (1930)

Segmentační algoritmus

http://www.amazon.com/IBM-Holocaust-Strategic-Alliance-Corporation-Expanded/dp/0914153277

Rizika jsou. Co s nimi?• Obávám se že teprve čekáme na první velký průšvih• Regulace nakládání s daty a vynucování– Cookie law, ….

• Profesní standardy • Tlak na transparenost dat u firem i institucí• Svobodná volba lidí zda chtějí data měnit za lepší

službu– Add blockery– Security balíky, TOR, …– Prostá opatrnost (https://

www.youtube.com/watch?v=F7pYHN9iC9I )

Výzvy, které nás čekají

Big data ani personalizace zatím nejedou na plno. Ale budou a jsou tu dvě výzvy:

• Výzva č. 1: Dostat big data do každodenního fungování, tak aby zlepšila život na planetě stejně jako jiné vynálezy.

• Výzva č. 2: Zvládnout jejich nástup z pohledu společnosti. Eliminovat rizika s nimi spojená.

DĚKUJI ZA POZORNOSTZÁVĚR SI UDĚLEJTE LASKAVĚ SAMI

Jiří Štěpán, jiri.stepan@etnetera.czhttps://twitter.com/JiriStepan