Harvest больших данных: от идеи до продукта

О том, как прошёл наш Harvest для «МегаФона», мы уже писали на VC.ru, итоговый вариант «репортажа» читайте ниже.

О формате

Для начала о формате харвеста. Ему уже семь лет, и он откатан до блеска. В далёком 2010 году этот формат начала использовать команда Greenfield Project, чтобы помогать первопроходцам, которые начали осознавать себя как стартап, собирать продукт или делать пивот. Задача формата — отталкиваясь от идеи или прототипа, доработать продукт. Поэтому он сочетает в себе базовые теоретические знания и обкатку на практике. Времени у жителей мегаполисов всегда мало, поэтому всё сжато до двух дней.

На первых харвестах участники пилили первые ИИ — аналоги и конкуренты Siri — заметим, ещё до того, как это стало мейнстримом. И получали под них инвестиции. Бывало, позднее интересные проекты рушились, но есть и те, что успешны по сей день. «Будист.ру», например, не просто взлетел, а вышел на американский рынок — там он называется Wakie. А, вероятно, известная вам Rentmania собрала на таком харвесте свою первую команду.

Первый день: постановка задачи

Обычно проводится заказчиком и несколькими экспертами для того, чтобы погрузить участников в общий контекст, обобщить тренды и рассказать о том, что уже делается для решения задачи.

Происходит сборка команд из тех, кто пришёл со своей идеей, и тех, кому интересна тема, но идеи как таковой нет. В зависимости от ситуации этот процесс может включать элементы игрофикации или усложнённую методологию образования команд. Например, можно задействовать тест Белбина и отполировать результаты Адизесом.

Также проводится несколько мастер-классов по ключевым темам — обычно это customer development, создание бизнес-модели и оценка рынков. Без этих знаний можно получить интересную идею, но вот перевести её в рабочее состояние и обосновать с точки зрения бизнеса не получается — мы пробовали. Ничего сверхнового не говорится. Важно услышать то, что до тебя хотели донести, и действовать соответственно. Обычно на этом этапе команда либо внутренне соглашается научиться, либо теряет большую часть шансов на победу.

Второй день: работа с экспертами

С самого утра начинается интенсивная работа с экспертами. Поскольку формат сжатый, времени на проверку идеи на реальных клиентах нет. Для проверки идеи подбирается от десяти до двадцати экспертов (наш личный рекорд — 35). Эксперты выполняют функцию передачи концентрированного опыта. Их специально много, именно так команды получают возможность воспринять разные точки зрения.

Продукт конкретной команды редко нравится всем. Но ещё реже, когда продукт не нравится абсолютно всем. Так складывается поток рекомендаций, который условно можно разделить на две полярности: «продукт отстой, вам надо переделать а-б-ц» и «мне нравится идея — докрутите в-г-д».

После этой части работы команды выходят, опьянённые разнообразием мнений и с длинным чек-листом правок. Далее важно расставить приоритеты в этом списке, чтобы быстро адаптировать продукт. Или, возможно, сознательно решить никого не слушать и идти напролом.

Этап доработки проектов, наверное, самый интересный в рамках этих двух дней. Именно здесь космические сервисы по управлению марсоходами превращаются в реалистичные продукты, которые нужны землянам.

После самостоятельной работы над проектами следует последний мастер-класс по подготовке презентаций и выступлениям. С учётом того, что на выступление у команд всего пять минут — этот этап не менее важен, чем оценка рынков, например.

Забавный факт — на финальной защите всегда есть команда, презентация которой состоит из стен текста, хотя каждый раз тренер так или иначе транслирует мысль: «сотрите 90% текста со слайдов».

Завершающим является этап презентаций проектов перед жюри: пятиминутное выступление и три минуты на вопросы. Кажется, что этого мало, но на практике хватает.

Теперь пора рассказать, как был реализован харвест на Megafon Big Data Challenge.

Вызов принят: как это было

На рабочие выходные зарегистрировались более 300 человек, от которых мы получили 159 продуктовых идей. Однако точно так же, как не каждый может стать космонавтом, не все могут попасть на харвест. Мы проводим отбор заявок для того, чтобы максимально помочь процессу синергии цели, технологий и свежего взгляда.

В итоге в зале собралось 69 участников: профессионалы в области данных и энтузиасты-гуманитарии. Как и рассчитывали, мы получили хороший микс понимания темы и открытого, не зашоренного мышления. Ровно в 11:00 прозвучал зелёный свисток, началась работа.

Как рассказал директор по стратегии «МегаФона» Александр Соболев, компания занимается большими данными с 2013 года. Естественно, первой точкой фокуса стали сами пользователи. Анализируя поведенческие паттерны, оператор научился формировать новые продуктовые линейки, основанные не на догадках маркетологов, а на реальных случаях использования телефонов.

Основным отличием данных сотового оператора от данных вашего браузера, например, является постоянная привязка к геолокации. Вообще оператор может строить гипотезы о многих аспектах жизни пользователей, начиная от работодателя и заканчивая тем, насколько большое влияние пользователь оказывает на свою социальную группу. И всё это на основе обезличенных данных.

Ограничением для фантазии команд стало законодательство Российской Федерации, которое запрещает передачу и продажу персональных данных третьим лицам. Сама задача была сформулирована максимально амбициозно и широко: создать продукт на основе больших данных «МегаФона» для других бизнесов или целых отраслей.

Было пять параметров, обязательных для описания проекта:

1. Ценностное предложение;
2. Портрет клиента;
3. Бизнес-модель;
4. Экономика продукта;
5. Понимание, какие данные необходимы.

И три критерия оценки результата:

1. Масштаб идеи (объём рынка и шанс «МегаФона» занять на этом рынке лидирующую позицию);
2. Новизна идеи;
3. Проработанность идеи (проработка предыдущих пяти параметров).

После постановки задачи и всех вводных перед командами выступил Сергей Алимбеков, заместитель директора по технологическому развитию ФРИИ. Сергей описал возможное будущее больших данных и дал векторы развития этого направления. Вместо технологических трендов Сергей много говорил о законодательстве и его роли в формировании будущего. По словам Сергея, законодательство будет активно формироваться в ближайший (уже наступивший) год. Вероятнее всего, развитие правового регулирования больших данных будет схоже с существующим Европейским законодательством — будет сделан акцент на предоставлении больших прав пользователю по управлению доступом к своим данным.

Сергей посетовал, что почти никто из зала не читал последнюю книгу Пелевина: «Прискорбно, товарищи, — сказал он. — Ведь это библия искусственного интеллекта и работы с данными». Между прочим, оценка ёмкости рынка больших данных в триллион долларов совпадает у BCG и Виктора Пелевина.

Получившие первый импульс к действию и разогретые трендами, команды начали питчить свои идеи, чтобы привлечь тех, кто пришёл «свободным радикалом». Приятно было видеть старожилов хакатонов среди выступающих — когда видишь человека в тапочках Hack Me, невольно проникаешься уважением к опыту участия.

Идеи на этом этапе представляли собой весь спектр от b2c до b2b2c: от помощи водителям в обнаружении «оленей» на дорогах и лайфстайл-помощника до сервисов по предоставлению агрегированных данных о пользовательских когортах, разбитых по социальным и демографическим показателям и покупательной способности для определения оптимальной точки для открытия конкретного офлайн-магазина. И это не считая нескольких проектов для фармы и HR-рынков.

Особенно запомнилась команда, полностью состоящая из «дата-сатанистов» (по их же определению), которая планировала сделать сервис типа Chatroulette, только звонки не в Skype, а по телефону, и не абстрактно случайным людям, а тем, с кем у звонящего сходятся интересы. И да, про блокчейн у одной из команд тоже было.

Мастер-классы

О кастдеве, бизнес-моделях и оценке рынков зачитали специалисты ФРИИ Дмитрий Соколов и Александр Скурихин. Про бизнес-моделирование и кастдев рассказывать лишний раз я не буду. А вот что касается оценки рынков «на коленке», для того, чтобы быстро определить, есть ли там от $20 до $100 миллионов (иначе и лезть не стоит), у меня для вас есть пара слайдов.

Прокачавшись инструментами и методологиями, команды ушли додумывать свои продукты. И, как это часто бывает, на следующий день многие вернулись совсем с другими идеями.

Уже утром 12 экспертов подключились к работе с командами. Среди них стратеги «МегаФона», продуктологи дочерней компании One Factor, инвестменеджеры ФРИИ, эксперты из McKinsey и специалисты по данным и технологиям из OWOX, UBIC Technologies, Linkprofit.

И тут начали рваться шаблоны. Произошло всё то, что я описал выше в методологии. Команды отходили от экспертов то огорошенными и растерянными, то бодрыми и воодушевлёнными. Этот микс эмоций толкал их к немедленной реакции.

Большинство ушло докручивать проекты, а некоторые отделились от основной массы и ушли в соседние аудитории, где, не слушая больше экспертов, стали допиливать то, что считали нужным. Это вовсе не оценка их выбора. Нет верного или неверного пути — каждый делает свой выбор в зависимости от опыта, веры в продукт и упрямства.

Бодро и наглядно прошёл мастер-класс Дмитрия Мыскова по презентациям. Отдельно показался ценным слайд о том, как пирамида Маслоу транслируется в продуктовые функции.

Пятнадцать команд на сундук «МегаФона»

В котором лежал миллион рублей за первые три места (500, 300 и 200 тысяч) и возможность продолжить разработку продукта вместе с федеральным оператором. Утомлять вас перечислением всех получившихся продуктов не буду, но расскажу о победителях.

 
Третье место

 
Команда К13. Этих парней по их же словам «укусил ФРИИ» — работа с трекерами фонда произвела на команду сильное впечатление. В итоге ребята решили масштабировать экспертизу трекера для всех малых бизнесов.

Идея заключается в создании «Виртуального ментора "МегаФона" — партнёра в бизнесе для повседневных задач». Конечно, на основании больших данных.

Виртуальный ментор агрегирует данные оператора и рекламной сети MyTarget (поскольку Mail.ru Group контролируется «МегаФоном») и по выбору отрасли выдаёт рекомендации по размещению как рекламы в онлайне, так и в офлайне — географическая аналитика полным ходом.

Второе место

 
Уже активно работающая компания Data4, которая предложила находить фрод (fraud, мошенничества) при звонках по модели СРА для индустрий с реально большим чеком — девелоперов и автодилеров.

Используя методы кластеризации, классификации и поиска аномалий, применяющихся к таким данным как геолокационная и транзакционная активность, коммуникационная активность и материальный статус, продукт вычисляет «проплаченные» звонки.

Так крупные компании смогут экономить миллионы рублей (стоимость их СРА-звонка от пяти до пятнадцати тысяч рублей), подписавшись на сервис за умеренную плату.

Первое место

Справедливая идея от Ingenix.ai. Суть заключается в создании b2b2c-маркетплейса, предоставляющего пользователям возможность управлять своими данными и контролировать их использование со стороны сервисов. Пользователи могут сами выбрать, какие именно данные они готовы отдавать для анализа и даже могут выбирать индустрии, которым эти данные отгружать, и те, которым не давать ни в коем случае.

Ребята из Ingenix.ai — настоящие гики, поэтому референсами к открытости платформы послужили GitHub и Linux Foundation.