Jack Noonan, prezes firmy SPSS, w rozmowie z Przemysławem Gamdzykiem.

Jak powinno się pozycjonować SPSS na mapie rynku rozwiązań Business Intelligence?

Nie, nie. To źle postawione pytanie. Cały czas staram się wszystkim uzmysłowić, że główną sferą aktywności SPSS są analizy predykcyjne PA (Predictive Analitycs). Ta dziedzina - chociaż bliska Business Intelligence - jest jednak czymś odrębnym.

Na czym polega różnica?

BI to przede wszystkim hurtownie danych i raportowanie oraz analiza oparta na kluczowych wskaźnikach efektywności KPI (Key Performance Indicators), które obrazują prezentację obecnego stanu rzeczy i zjawiska, które już miały miejsce. Tymczasem w analizie predykcyjnej mamy do czynienia przede wszystkim z wykorzystaniem danych historycznych do udzielania odpowiedzi na pytania o przyszłość, bo chodzi tu tak naprawdę o wskaźniki przyszłej efektywności KPP (Key Performance Predictors).

Analiza predykcyjna jest dziedziną, której znaczenie i powszechność zastosowania gwałtownie rośnie. W przyszłości, wcale nie tak odległej, pod względem rynkowego znaczenia PA dorówna BI. Przedsiębiorstwa potrzebują tych rozwiązań w nie mniejszym stopniu, co klasycznych narzędzi i systemów Business Intelligence. Uzyskiwane przez naszych klientów współczynniki ROI w rozwiązaniach wykorzystujących analizy predykcyjne są imponujące.

Kto w takim razie stanowi dla Was konkurencję na tak wydzielonym rynku?

Właściwie mamy tutaj tylko jednego liczącego się konkurenta - SAS Institute. Choć jest to oczywiście firma znacznie większa, to trzeba pamiętać, że analiza predykcyjna stanowi tylko część jej aktywności. Raporty Gartnera czy innych firm analitycznych wskazują, że ich pozycje i udziały w rynku w obszarze rozwiązań typu PA są zbliżone do naszych.

Kto potrzebuje takich rozwiązań?

Naszymi głównymi klientami są instytucje finansowe, operatorzy telekomunikacyjni, media i sieci handlowe. Dla wszystkich podmiotów z tych rynków istotne jest zrozumienie i trafne przewidywanie zachowań ich klientów, a SPSS w ciągu czterdziestoletniej historii skupiał się na rzeczach związanych z wykorzystaniem analizy danych do zrozumienia i przewidywania zachowań ludzi. W tym obszarze szczególnej wartości nabierają analizy predykcyjne. SPSS propaguje wizję Predictive Enterprise, czyli przedsiębiorstwa wykorzystującego narzędzia predykcyjne do podnoszenia efektywności w każdym z obszarów działalności, w szczególności we wszystkich obszarach relacji z klientami. Chodzi tu o ocenę ich zachowań w takich obszarach, jak decyzje zakupowe, reakcje na kampanie marketingowe, odejście do konkurencji, ryzyko kredytowe czy zagrożenia związane z nadużyciami. Wiele przedsiębiorstw korzysta z naszych rozwiązań do optymalizacji działań działów zajmujących się reklamacjami i obsługą klienta. Chodzi np. o ocenę, w jaki sposób klienci o określonej charakterystyce będą się później zachowywali kontaktując się z dostawcą, określenie tego, ile kłopotu może sprawić ich późniejsza obsługa.

Co więcej, analizy predykcyjne są wykorzystywane także przez instytucje rządowe do zwalczania zjawiska terroryzmu, identyfikacji zagrożeń związanych z nadużyciami podatkowymi, czy przeciwdziałania praniu brudnych pieniędzy. Co ciekawe, w odniesieniu do dwóch ostatnich obszarów SPSS ma interesujące wdrożenia w Polsce.

Niektórzy twierdzą, że przy tego rodzaju produktach wciąż niedocenianym obszarem jest wizualizowanie danych i wykorzystanie informacji graficznej do ich analizy...

Intensywnie rozwijamy funkcjonalność w tym zakresie w oparciu o przyznane nam patenty. Pracujemy nad tym, aby informacja graficzna była tworzona na podstawie wykorzystania języka zbliżonego do naturalnego - w sposób przyjazny dla kogoś, kto niekoniecznie jest ekspertem od zaawansowanych metod statystycznych.

Warto pamiętać, że wyniki liczbowe oraz graficzna wizualizacja danych są domeną systemów analitycznych i ich użytkowników, a przy wykorzystaniu danych z systemów operacyjnych przedsiębiorstw to nie zawsze będzie optymalne. Wyniki analiz w systemach PA powinny przybierać formę rekomendacji dotyczących działań, które należy podjąć. To także - w systemach automatycznych, jak serwisy internetowe czy sieci bankomatów - procedury wywołujące pożądane działanie tych systemów.

Jakie są podstawowe źródła danych w analizie predykcyjnej?

Oczywiście warto wykorzystywać wszelkie dostępne dane. W zakresie przewidywania zachowań klientów do tzw. panoramicznego obrazowania klienta (360 Degree Customer View) poza danymi strukturalnymi - jak dane demograficzne czy behawioralne - niezbędne są także dane reprezentujące opinie, potrzeby i preferencje klientów. Są one przechowywane najczęściej w sposób nieustrukturalizowany, a więc zazwyczaj w postaci tekstowej. Są to chociażby opisy reklamacji, zapisy rozmów z call center, odpowiedzi w ankietach satysfakcji klientów, wypowiedzi internautów na forach tematycznych itd. Dlatego w naszych systemach stosujemy tzw. TextMining. Nie jest to czysta analiza języka naturalnego, ale wyszukiwanie w nim tzw. konceptów, które pozwalają przekształcić informacje niestrukturalne w takie, które strukturę mają, a więc umożliwiające wykorzystanie standardowych narzędzi analitycznych.

<hr>Jack Noonan był gościem konferencji użytkowników SPSS w Polsce, która miała miejsce w połowie października br. w Krakowie. Tygodnik Computerworld był patronem tego wydarzenia.