О том, как устроены георешения и как с помощью они помогают предсказать будущее целых районов, редакции «Сделано в России» рассказал руководитель по развитию геоаналитических сервисов Platforma Алексей Алексеев.

Платформа знает ответ на вопрос «где?»

Каждое место на Земле содержит огромный массив данных: о людях, которые там проживают, о построенных зданиях и дорогах, машинах, проезжающих мимо, передачах, популярных среди местных жителей, и даже продуктах, наиболее востребованных в супермаркетах. Если все это объединить в единый сервис, получится не просто карта с точками, а платформа, позволяющая получать наиболее четкое представление о территории, населении, денежных потоках, а также прогнозировать развитие бизнеса, эффективность рекламы и так далее.

Существующие сегодня геоплатформы могут объединять самые разные данные. Они могут быть предоставлены крупными игроками в телекоме или банкинге или любыми другими источниками: от бюро кредитных историй до ритейлеров. На базе этих больших данных можно создать другие продукты для решения различных бизнес-целей.

В основе любой геоплатформы лежит механизм использования различных массивов данных в привязке к географическому положению. Если говорить просто о больших данных, то они позволяют выявить скрытые и неочевидные закономерности и ответить на вопрос «что». А совместное использование геосервисов и Big Data позволяет показать не только это «что», выявляемое лишь на больших объемах данных, но и «где», то есть привязать выявленные факты и закономерности к местности. Причем сделать это с максимально возможной точностью.

Безусловно, когда речь идет об искусственном интеллекте (ИИ), больших данных, алгоритмах и нейросетях, сразу представляется дорогостоящий продукт, который может себе позволить не каждая компания. Поэтому в основном Big Data активно используют крупные корпорации, которые сами же ее и генерируют.

Технология имеет высокую стоимость, потому что большие данные нужно где-то хранить, а для этого требуются различные хранилища. Кроме того, необходимо преобразовывать данные в математические модели и использовать ИИ — это вычисление на CPU и GPU. Здесь возникают другие дополнительные расходы. Причем высокая стоимость технологии сохраняется и на этапе создания модели, и во время применения на практике.

Сегодня подбор эффективной локации, например, для фитнес-центра или барбершопа, основанный на Big Data компаний из разных отраслей, будет стоить от 10 тысяч рублей, если для решения задачи достаточно одного или нескольких геослоев, и порядка 50–70 тысяч рублей при использовании отраслевых математических моделей. Причем разработчики сделали интерфейсы таким образом, что работать с геоаналитикой сможет даже неподготовленный пользователь.

Как отметил эксперт, использование таких сервисов, например, при подборе места, где открыть бизнеса, помогает снизить вероятность ошибки и избежать возможных финансовых потерь.

Слоеный «пирог» из данных

Геоплатформа работает следующим образом: большие данные располагают на карте так, что для каждого участка, словно слоеный пирог, собирают различные метрики. Обычно это около 50 слоев одновременно под каждый запрос: сколько людей живет, сколько из них работает, какой процент брал кредит, какая доля тех, кто вернул, сколько денег тратят местные жители на различные категории товаров, сколько здесь продуктовых магазинов и какой средний чек. Всего же в системе тысячи слоев.

Получив эти данные от разных поставщиков и имея сведения о ландшафте и расположении зданий, геоплатформа с помощью ИИ обрабатывает информацию с учетом всех аспектов. На основании полученных метрик делаются аналитические выводы: например, если у бизнеса есть запрос на открытие кафе, то платформа поможет определить соответствие локации интересам компании и в перспективе оценить прибыльность будущего предприятия.

Сэкономить время на поиск локаций

Если клиент решил открыть ресторан в городе и ищет место вручную, то ему потребуется пройти множество трудозатратных этапов: нужно изучить карту, понять количество проживающих здесь человек, оценить уровень их дохода с прицелом на целевую аудиторию. А затем обратиться к риэлторам для поиска недвижимости с заданными параметрами. Посетить это место, изучить его пассажиропоток и, наконец, сделать окончательный выбор. На все это уйдет несколько недель, в течение которых придется откладывать старт бизнеса, что косвенно указывает на упущенную прибыль.

С геоплатформой найти подходящую локацию можно быстрее: предварительный поиск сократится до одного дня. Для этого достаточно воспользоваться одним или несколькими геослоями, которые смогут ответить на возникающие вопросы, например, как в городе распределено население по полу и возрасту, доходу, интересам. Также геоаналитика может рассказать о потоках людей и машин, расположении ближайших конкурентов и характеристиках свободной коммерческой недвижимости. Все это можно посмотреть за один день, что, конечно, не исключает необходимость просмотра вживую и общения с людьми, подчеркнул Алексеев. Однако выбор локации в таком случае все равно будет более осознанным, что позволит в конечном итоге повысить потенциальную выручку и ускорить окупаемость, продолжил он.

Представители франшиз утверждают, что использование геоплатформ повышает показатели товарооборота от 30% до 50%. Это говорит о пользе подхода, когда предприниматель базируется не на своих убеждениях и предположениях, а на цифрах.

Открыть новый супермаркет: от поиска геолокации до анализа клиентопотока

В зависимости от отрасли использовать геоаналитику можно для разных задач. Например, когда ритейл выбирает, где открыть свою следующую точку, компания анализирует огромный массив данных: где находится скопление ее целевой аудитории, нет ли там конкурентов, а также какая свободная коммерческая недвижимость доступна.

Эти задачи можно решить с помощью геоплатформ. Можно просто зайти на платформу и выбрать нужные слои информации. Например, посмотреть, как распределены в определенном городе мужчины в возрасте 25–45 с доходом свыше 100 тысяч рублей в месяц. Геосервис выдаст неравномерно распределенную тепловую карту. К ней же можно добавить геослой про женщин в определенной возрастной категории с определенным доходом и интересами. А затем можно попросить платформу выделить места максимальной концентрации целевой аудитории. При этом платформа может отобразить в этой локации прямых конкурентов и учесть это при моделировании количества покупателей.

Аналогичный принцип применяется к размещению наружной рекламы. С помощью георешения и тепловых слоев компания сможет выбрать те свободные щиты, которые находятся в местах скопления ее целевой аудитории. Соответственно, заказчик выберет не просто 100 щитов, что ему предложит агентство, а сможет донести информацию в первую очередь до своей целевой аудитории, выбрав билборды в местах с наибольшей концентрацией потенциальных клиентов.

Отдельное направление, в котором сегодня активно используют геосервисы, анализ туристической привлекательности. Большие данные помогают понять, кто из людей в городе является туристом, какие места у них наиболее популярны и какой эффект окажет строительство культурно-развлекательных сооружений в конкретном месте.

Предсказать появление новых клиентов на конкретный продукт

В банковской сфере геоплатформы помогают определиться с местами расположения банкоматов и офисов. Тепловая карта с местами проживания или работы клиентов даст понимание о потенциально эффективных точках расположения банкоматов и полноценных офисов обслуживания клиентов.

Если углубиться в анализ территории с помощью геосервисов, можно спрогнозировать примерное количество новых клиентов, которые воспользуются потребкредитами, кто обратится за ипотекой, а кто - за автокредитами.

Развивать территории и решать городские проблемы

Госсектор тоже решает свои задачи с помощью больших данных, которые ему предоставляют компании. Например, можно сравнить, сколько людей проживает в данной локации исходя из фактических данных телеком-операторов. Геоплатформы дополняют официальную статистику важной информацией об уровне доходов. Тогда регионы получат реальное понимание, сколько людей проживает на их территории за чертой бедности и насколько загружены инфраструктура (школы, больницы и детские сады) – объекты, где возникает социальная напряженность или пробки на дорогах.

С геоплатформой можно работать по принципу AS-IS. Речь о трех вариантах использования сервиса в контексте времени: изучение фактов в конкретный момент, анализ закономерностей изменения территории во времени и моделирование изменений в будущем. Например, можно применять пользовательские слои для моделирования метрики при изменении ландшафта, появлении новой застройки или станции метро.

Количество возможных вариантов использования геосервисов намного выше, отметил представитель Platforma. Например, в сельском хозяйстве с их помощью следят, как используются земли, контролируют культивации, выращивание конкретных культур, анализируют состав почвы и эффективность производства. Это помогает спрогнозировать урожайность и, как следствие, стоимость продукции.

Нейронные сети и геоскоринги

Сегодня в геоплатформы активно внедряются нейронные сети, которые помогают производить вычисления с огромными массивами данных — как на мощных машинах в рамках предварительной подготовки, так и на машинах конечных пользователей.

Геоскоринги уже сегодня позволяют предсказывать, как в дальнейшем изменятся параметры и характеристики конкретных территорий, например, при возведении нового дома, увеличения числа жителей или при открытии магазина.

Как отметил эксперт, в дальнейшем сервисы будут расширять не только набор отраслей, но и саму географию, поскольку в современных условиях центрами развития малого бизнеса становятся не крупные города, а небольшие населенные пункты. К примеру, достаточно прибыльные магазины открываются именно в селах, поскольку практически каждый из проживающих там проходит мимо таких магазинов.

Вместе с этим, Алексеев указал здесь еще на один вызов: большинство данных, которые сейчас накоплены, содержат сведения именно о крупных городах, а о малонаселенных пунктах информации недостаточно. Геоплатформы как раз помогают транслировать опыт из крупных населенных пунктов в более маленькие. В условиях ограниченности данных решения во многом зависит от креативности продуктовых команд и нахождения новых нестандартных подходов. Один из таких примеров - использование космических снимков в ночное время и анализом освещенности города, скорости его разрастания может коррелировать с благосостоянием и уровня развития экономики области, заключил представитель Platforma.

Оперативные новости читайте в нашем Telegram-канале

Автор: Екатерина Иванова
Сделано в России // Made in Russia
#сделановроссии