De la KGB la IOT, cu dragoste

În timpul Războiului Rece a existat o perioadă în care KGB-ul era atat atât de bun la depistarea agenților CIA înfiltrați în Est ca simpli angajați ai Departamentului de Stat, încât americanii au crezut că au o cârtiță printre ei.  Potrivit unui articol scris de Jonathan Haslam, profesor la Princeton University, sursa rușilor era în cu totul altă parte.

Se pare că serviciul rusesc folosea tehnici timpurii de data mining. KGB nu făcea altceva decât să adune informații publice despre angajații U.S. Foreign Service și să le compare cu informațiile pe care le avea deja despre agenți deconspirați. Punerea în context a datelor scotea în evidență unele diferențe între stilul de viață al diverșilor “angajați” ai Departamentului de Stat aflați în Est.  Astfel, serviciul rusesc a descoperit nu mai puțin de 26 de indicatori independenți care diferențiau agenții CIA de angajații americani obișnuiți.

De exemplu:

  • Agenții acoperiți erau semnificativ mai bine plătiți.
  • Angajații obișnuiți se întorceau de obicei acasă după 3-4 ani. Agenții nu.
  • Când agenți se întorceau acasă, nu apăreau în listele publice ale Departamentului de Stat.
  • Angajații obișnuiti erau recrutați înainte de vârsta de 31 de ani. Agenții puteau fi mai în vârstă.

 

Așadar, nicio cârtiță la nivel înalt, ci doar conturarea unor modele în datele obținute din mai multe surse. Site-ul Read-Write compară exemplul analizei de date făcute de KGB cu informațiile ce pot fi obținute în business prin analiza unei “grămezi” de date enterprise. Publicația aplica modelul KGB în marketing, pentru a arăta că în datele despre consumatori poate fi descoperit echivalentul unor indicatori folosiți în analizele din Războiul Rece:

  • Care consumatori pleacă după perioada de prezentare a produselor și care își reînnoiesc serviciile ?
  • Care clienți fac un upgrade la produsele consumate, și care trec la un alt brand ?
  • Care consumatori cumpără direct online și care cumpără din magazin după ce se documentează online ?
  • Care consumatori sunt motivați de un discount și care sunt interesați doar de anumite caracteristici ?

 

Așa acum analiștii KGB au folosit datele despre agenții CIA cunoscuți pentru a descoperi alții, companiile pot extrapola anumite modele pentru a le aplica pe piață. O anumită categorie de vârstă, sex, geografie, metodă de cumpărare și de plată, etc, poate să semnalizeze clienți aflați pe cale de plecare sau oportunități de upselling.

Read-Write oferă câteva exemple:

  • un retailer online poate analiza traficul online pentru a diferenția vizitatorii neinteresați de cei al căror comportament sugerează că ar putea deveni cumpărători, dacă sunt stimulați un pic.
  • același retailer își poate segmenta strategiile de marketing pe clienți sezonieri sau permanenți, pentru a se adresa unui client de Crăciun exact în perioada potrivită.

Este celebru cazul adolescentei americane care primea de la Target promoții la produse pentru nou nascuți, până când tatăl fetei, indignat, a reclamat magazinul. Target și-a cerut scuze, dar ce nu știa tatal este că tânăra era într-adevăr însărcinată. Departamentul de data-marketing al retailerului american intuise acest lucru analizând cumpărăturile făcute de ea în ultimele luni.

Analyse this.

Este clar ca obținerea unor informații clare din date disparate nu s-a inventat odata cu internetul, ci doar s-a automatizat si a trecut in zona de business. Lucrurile vor deveni și mai palpitante odată cu creșterea următorului val de date personale, purtat de Internet of Things. IDC arata ca investițiile și cheltuielile în IOT vor crește de la $699 miliarde în 2015 la aproape $1.3 trilioane USD în 2019. Dacă în 2015 impactul IOT s-a simțit cel mai mult în manufactură și transport, în următorii cinci ani vom vedea cea mai mare creștere în asigurări, sănătate și piața de consum.

Peste tot, senzori conectați la internet.

Spune-le și altora.
FacebooktwitterlinkedinFacebooktwitterlinkedin

Leave a Reply

Your email address will not be published.