В консалтинге по науке о данных нам нравится делиться историями об успехах и неудачах. Это помогает нам узнать и получить более полное представление о том, как реализовать процессы и политики в области науки о данных (самая сложная часть работы). Один из таких примеров - проект по науке о данных, который прошел слишком хорошо, касается телекоммуникационной компании.

Около 5 лет назад телекоммуникационная компания хотела иметь возможность предсказать, откажется ли клиент от услуги или нет. Пример отличного стартового проекта и вопрос, над которым нужно работать новой команде data science.

Руководителям понравилась идея, когда руководитель проекта представил ее. Кто бы не стал! В этом есть большой смысл. Если вам удастся поймать клиента прямо перед тем, как он выпадет, и убедить его придерживаться вашего плана, тогда вы сохраните доход. Таким образом, больший бонус для руководителей или более высокие дивиденды для акционеров.

Таким образом, аналитики и специалисты по обработке данных начали гонку за разработкой модели, которая могла бы помочь компании лучше предсказать, когда клиенты планируют прекратить обслуживание.

Примерно через год и потраченные на это пару сотен тысяч долларов ресурсных часов команда разработала успешную модель. Точность составила 85–90%. Затем они работали с менеджерами процессов и группами обслуживания клиентов, чтобы разработать инструкции и руководства, которые помогут приблизиться к клиентам, которые могут быть не заинтересованы в услуге. На проект вложено еще несколько сотен тысяч долларов. Как только они почувствовали, что алгоритм установлен и члены команды обучены, они приступили к реализации проекта.

В первый день представителям службы поддержки клиентов был предоставлен список людей, которым можно было позвонить и проверить. Предполагалось, что они придумают, как сделать так, чтобы покупатель остался доволен. Отличный мотив.

Data Science Project в действии

Первый звонок, по словам представителя клиента, выглядел примерно так:

Представитель клиента: «Здравствуйте, меня зовут Джо. Я работаю в ACME Telecommunications. Мы работаем над тем, чтобы привлечь внимание наших клиентов, и нам было интересно, были ли у вас проблемы с нашим сервисом.

Клиент: Да, действительно. Последние два месяца я собирался позвонить вам, чтобы отменить услугу. Слава богу, ты позвонил, так как ты все равно на линии. Можете ли вы помочь мне отменить мою услугу.

Примерно 30–40% звонков были именно такими. Алгоритм работал на удивление хорошо. На самом деле он предсказывал людей, которые хотели отменить услугу. Единственная проблема заключалась в том, что некоторые люди были полны решимости отменить услугу, и это привело к огромной потере возможных ежемесячных платежей, которые, возможно, не отменяли еще в течение 3–6 месяцев. Это привело к потере прибыли и отмене проекта. В итоге проект оказался успешным.

Заключение

Иногда алгоритмы делают именно то, что вы им говорите. Однако клиенты ответили совсем иначе. Одним из распространенных заявлений Мастеров Го, столкнувшихся с Alpha Go от Google было то, что они никогда не сталкивались с противником, который мыслил бы так, как люди. Вот и все. Люди не всегда действуют так, как мы рассчитываем. Мы можем попробовать, но не всегда идеально. Поэтому при реализации стратегии, основанной на новых данных, важно учитывать человеческий аспект. Не позволяйте цифрам и метрикам уводить от человеческого фактора. Вы же не хотите, чтобы ваш проект по науке о данных потерпел неудачу!