მონაცემთა მეცნიერება პირველ ქართულ ნეობანკში – სფეისში
გამარჯობა,
მე გიორგი კვინიკაძე ვარ, მონაცემთა მეცნიერი სფეისიდან. ამ ბლოგში კი, მოგიყვები სფეისში ჩემი საქმიანობის შესახებ, რომელიც მომხმარებლებზე დაკვირვებას, მათი ქცევებისა და მოტივების იდენტიფიცირებასა და ანალიზს გულისხმობს.
მარტივად რომ აგიხსნა, მონაცემთა მეცნიერება რომ არა, Facebook შენს სახეს ვერ იცნობდა და ფოტოზე ავტომატურად ვერ მოგნიშნავდა, ვერც Netflix გირჩევდა საშენო სერიალს, ვერც iPhone ამოგძახებდა პასუხს „ SIRI”-ისთვის დასმულ შეკითხვაზე და ვერც Amazon შემოგთავაზებდა შენთვის საინტერესო პროდუქტების სიას.
ჯერ იყო მეოთხე ინდუსტრიული რევოლუცია…
კვლევებზე დაყრდნობით, მსოფლიოს მონაცემთა 90% ბოლო 2 წლის განმავლობაში შეიქმნა. ყველაფერი კი მეოთხე ინდუსტრიული რევოლუციით დაიწყო. ამ პერიოდში, ფიზიკურ, ბიოლოგიურ თუ ციფრულ სამყაროში სრულიად ახალი საზღვრები გაჩნდა: ადამიანებმა შევქმენით ხელოვნური ინტელექტი, რობოტიკა, კვანტური გამოთვლითი სისტემები და სხვა დამხმარე ტექნოლოგიები. სამყარო უეცრად გაციფრულდა, გაჩნდა ჭკვიანი ტექნოლოგიები, რომლებიც ყოველდღიურად დიდი რაოდენობის და სხვადასხვა ტიპის ინფორმაციას აგენერირებენ. მაგალითად, შენი პირადი მოწყობილობები სურათებს, ვიდეოებს, ხმის ჩანაწერებს და სხვა ყოველდღიური ქცევის ამსახველ ინფორმაციას ინახავენ.
მონაცემთა შექმნისა და დაგროვების რიტმი დღითიდღე იზრდება, რამაც შესაძლებელია, წარმოუდგენელი სარგებელი მოუტანოს კაცობრიობას – შეიქმნას მეტი ინოვაციური პროდუქტი თუ სერვისი. მაგრამ დიდი რაოდენობის ინფორმაციას შესაბამისი ანალიზი და გადამუშავება სჭირდება. ამ დროს, კრიტიკულად მნიშვნელოვანია მონაცემთა სწორი ინტერპრეტირება.
ვინ არის მონაცემთა მეცნიერი?
როგორც უკვე აღვნიშნე, დაგენერირებულ მონაცემებს ყოველთვის სჭირდება გიდი – ადამიანი, რომელიც მოცემულ ინფორმაციას გარკვეულ მნიშვნელობას შესძენს. მონაცემთა მეცნიერები ვამზადებთ მონაცემთა ბაზას, ვაწესრიგებთ მას და ვაკეთებთ მასშტაბურ ანალიზს. მსგავსი ოპერაციების შესასრულებლად, ვიყენებთ სტატისტიკას, მათემატიკას, მეცნიერულ მეთოდებს, მონაცემთა ინჟინერიას, მონაცემთა ანალიზსა და ხელოვნური ინტელექტის ალგორითმებს. სწორედ ჩამოთვლილი კომპეტენციების დამსახურებით ვახერხებთ უბრალო რიცხვების ღირებულ ინფორმაციად გადაქცევას.
ხშირად, პროცესში მონაცემთა მეცნიერები მარტო არ ვართ. გუნდის, სხვადასხვა ცოდნისა და გამოცდილების ადამიანები, მაგალითად, მარკეტერები, დეველოპერები, ინჟინრები და ა.შ. გვაწვდიან კონკრეტული ამოცანის ამოსახსნელად საჭირო ინფორმაციას, რასაც პროცესში ძალიან დიდი მნიშვნელობა აქვს.
“კიდევ სცადეთ”
ლატარიის ბილეთზე ამ წარწერის ხილვით გამოწვეული ემოციები ძალიან ჰგავს მონაცემთა მეცნიერის ყოველდღიურ სამუშაო პროცესს, რადგან, ხშირად, დროის 90% მონაცემების დამუშავებასა და გასუფთავებაზე იხარჯება, ხოლო, დარჩენილი 10%, გასუფთავების პროცესში დაშვებული შეცდომების გაანალიზებაზე. თითოეულ პროექტზე მუშაობისას, თითქმის შეუძლებელია, წინასწარ განსაზღვრო პრობლემის გადაჭრის ოპტიმალური გზა. სასურველი შედეგის მისაღწევად, საჭიროა უამრავი ექსპერიმენტის ჩატარება.
მონაცემთა მეცნიერება პირველ ქართულ ციფრულ ბანკში
სფეისში მონაცემთა მეცნიერების ალგორითმებს ბიზნეს ამოცანების ამოსახსნელად ვიყენებთ. მაგალითად:
- საკრედიტო რისკების მოდელირება – თუ აქამდე, ბანკისგან სესხის მისაღებად, ათეულობით ხელშეკრულებისა და დოკუმენტის შევსება, მუდმივად რიგში დგომა და ნერვიულობა გიწევდა, რათა კარგი შთაბეჭდილება მოგეხდინა კრედიტ ოფიცერზე, დღეს უკვე სფეისის აპლიკაციაში იმავე ოპერაციის შესრულებისთვის სულ რამდენიმე წუთი დაგჭირდება. ამისთვის ვიყენებთ ალგორითმებს, რომლებიც მომხმარებლის საკრედიტო ისტორიისა და რისკიანობის ავტომატურად განსაზღვრაში გვეხმარებიან.
- მომხმარებელთა სეგმენტაცია – მომხმარებლის მარკეტინგული ინფორმააციით დაბობმვა არაეფექტურია. გაიხსენე, რამდენჯერ შეწუხებულხარ შენთვის უსარგებლო რეკლამებით და აქციებით, რაც კონკრეტულ კომპანიასთან კავშირის გაწყვეტის მიზეზიც გამხდარა. სფეისში, ვზრუნავთ მომხმარებელზე და მის საჭიროებებზე მორგებულ რეკლამებს, აქციებსა თუ სხვა სახის ინფორმაციას ვთავაზობთ, რისთვისაც ხშირად ვიყენებთ სეგმენტაციის ალგორითმებს. ეს გვეხმარება, სფეისელების არა მხოლოდ სპეციფიკური ნიშნით დაყოფაში (სქესი, ასაკი და ა.შ.), არამედ, ქცევის მიხედვით მათ დიფერენცირებაში. ასეთი ტიპის ალგორითმებით სარგებლობა გუნდს საკომუნიკაციო რესურსის დაზოგვაში ეხმარება,ხოლო სფეისელებს თავიდან არიდებს უსარგებლო ინფორმაციას. ასე მარტივად, ორივე მხარე მოგებული ვრჩებით!
კავშირის დასასრული…
მონაცემთა ეპოქა უკვე დაწყებულია და ყოველდღიურად, განვითარების ახალ საფეხურზე გადადის. ახალ გარემოსა და ეპოქაში კი, მხოლოდ მონაცემთა ანალიზზე დაფუძნებული გადაწყვეტილებებისა და ინსტრუმენტების დანერგვითაა შესაძლებელი, კომპანიებმა თავიანთი პოტენციალი სრულად გამოიყენონ და გაზარდონ ამიტომ ჩემი პროფესიის ადამიანებმა, თამამად შეგვიძლია ვთქვათ, რომ მომავალი ჩვენია! 😀
