«Большие данные» для большого ритейла

Яна Чирко, советник практики в области ИС, ИТ и телекоммуникаций российского филиала одной из крупнейших юридических фирм в мире Dentons, специально для Союза Русских Байеров рассказывает о том, как корректно обращаться с big data.

После недавней продажи структурой, контролируемой Уорреном Баффетом, практически всех принадлежащих ей акций Wal-Mart Stores, мир всерьез заговорил о том, что эта сделка означает закат «традиционного» ритейла в том виде, в котором мы его знали. Активное использование мобильных приложений, разнообразие выбора и кардинально иной опыт совершения покупок в сети повлиял на ожидания покупателей от оффлайн-шопинга. Поведение потребителей, критерии, влияющие на их выбор, стали куда менее предсказуемыми, что побуждает ритейл более пристально изучать своего клиента, получать о нем как можно больше данных. Речь идет об огромноv объеме информации, охватывающей миллионы кассовых операций, тысячи товарных позиций и профилей клиентов, и ритейл наравне с телекомом, IT, банками и страховщиками стал пионером в использовании технологий обработки «больших данных» и инновационных подходов к работе с клиентами.

Например, основной игрок на рынке «больших данных», Amazon в начале года открыл уникальный магазин Amazon Go без касс и обслуживающего персонала. Процесс совершения покупок выглядит впечатляюще. Покупатель авторизуется на входе в магазин, прикладывая к турникету QR-код из приложения Amazon Go, выбирает товары и свободно выходит, при этом сумма покупки автоматически списывается со счета покупателя. Формат работы «умного» магазина обеспечивает сложная система, основанная на обработке в режиме реального времени огромного массива данных, получаемых с использованием технологий компьютерного зрения, сенсоров, сканеров RFID-меток на товарах, сигналов, исходящих от смартфонов покупателей и др. С каждым посещением компания узнает о клиенте все больше. Технология анализа «больших данных» позволяет Amazon определить, по каким дням он заходит в магазин, что он как правило приобретает, его семейный статус и стиль жизни.

Помимо Amazon, новые технологии и «большие данные» активно используют и крупнейшие традиционные ритейлеры, например, Nordstrom. В случае, если у покупателя установлено приложение Nordstrom, в котором он указал свои предпочтения, при входе в магазин датчики в автоматическом режиме передают эту информацию консультанту. Такие сведения в совокупности с данными об истории онлайн-покупок, среднем чеке и параметрах покупателя позволяют предложить обслуживание на качественно новом уровне. Также следует упомянуть fast fashion-гиганта Zara, важным элементом бизнес-модели которого является сложная IT-система учета продаж и возвратов в каждом магазине, которая позволяет центральному офису ежедневно получать актуальные данные о клиентских предпочтениях, анализировать их применительно к каждому конкретному рынку и в кратчайшие сроки адаптировать онлайн и оффлайн-ассортимент товаров.

Технологии в области аналитики «больших данных» используются и в российском ритейле. Например, в ряде сетей FMCG тестировался «умный» сканер чеков Smart Checkout, который на основе машинного анализа данных о составе корзины и профиле покупателя формирует персонализированный купон со спецпредложением. X5 Retail Group изучает возможность применения решений в сфере  «больших данных» для аналитики данных о четырех миллиардах чеков. Отдельного внимания заслуживает используемая в столичных торговых центрах технология Shopster Analytics по мониторингу движения и поведения посетителей посредством сигнала Wi-Fi, который исходит от их смартфонов. Роутеры для данной технологии, установленные в магазине, фиксируют уникальный MAC-адрес каждого телефона, который используется для идентификации клиента. Данные мониторинга Shopster Analytics позволяют оценить, сколько посетителей из потока заходят в магазин, как часто и когда возвращаются, сколько времени они проводят в разных отделах, как перемещаются по торговой площади и так далее.

Как следует из примеров выше, результаты аналитики «больших данных» позволяют персонализировать взаимодействие с покупателями, сделать вывод о динамике роста постоянных клиентов, о том, какой мерчендайзинг работает лучше всего, какие отделы и товары пользуются наибольшим спросом. На основе этой информации компании могут оперативно принимать управленческие решения, в том числе в сферах маркетинга, логистики, управления ассортиментом, затрат и закупок. Также, по мнению специалистов, использование результатов аналитических данных, полученных с использованием таких технологий как Shopster Analytics, может повысить продажи более чем в два раза.

Тем не менее, использование технологий, позволяющих персонализировать покупательский опыт, имеет и негативную сторону. Например, таргетирование клиента  онлайн на основе истории его оффлайн-покупок и наоборот, может быть расценено им как вмешательство в личную жизнь, что может негативно сказаться на взаимодействии покупателя с магазином или даже привести к судебным разбирательствам. Так, например, упомянутый Nordstrom, начав тестирование системы мониторинга покупателей по Wi-Fi, аналогичной Shopster Analytics, столкнулся с обвинениями в слежке. Несмотря на публичные заверения о том, что сенсоры не собирают данные, позволяющие идентифицировать клиентов, недовольство потребителей все же вынудило Nordstrom отказаться от использования системы. Нам известны дела, связанные с требованиями граждан РФ, получивших персонализированную онлайн-рекламу, прекратить «следить» за их поведением без получения на то явно выраженного согласия, однако сегодня такие судебные кейсы в России являются единичными.

В контексте использования «больших данных» важным является вопрос о том, можно ли такие данные, в частности, полученные в автоматическом режиме, признать персональными. Технические идентификаторы и cookies упоминаются в качестве персональных данных в новом европейском регламенте по защите данных (General Data Protection Regulation), который вступит в силу в мае 2018 и распространит свое действие в том числе и на российские компании, обрабатывающие персональные данные европейских граждан. В российской же правоприменительной практике пока не сформирована единая позиция по вопросу о признании технических идентификаторов оборудования персональными данными. Например, MAC-адреса рассматриваются в качестве идентификатора смартфона пользователя, но не самого пользователя. При этом анализ судебной практики с участием телеком-операторов показывает, что суды относят техническую информацию об оборудовании абонента (например, IP-адрес) к персональным данным, передача которых третьим лицам требует согласия абонента. В том числе, материалы проверок Роскомнадзора свидетельствуют о том, что регулятор начал интересоваться порядком обработки компаниями данных технического характера, таких как IP-адреса и сведения, полученные при использовании cookies.

Безусловно, сам по себе «идентификатор» смартфона не позволит рознице установить личность его обладателя. Однако, если предположить, что такие «технические» данные могут быть соотнесены, например, с изображением покупателя, полученным от видеокамер в магазине, номером телефона или номером карты лояльности, информацией, которую клиент внес в приложение магазина, очевидно, что совокупность всех этих сведений действительно способна идентифицировать гражданина, а следовательно может рассматриваться в качестве персональных данных.

На двойственность статуса «big data» обращают внимание также разработчики законопроекта о «больших данных», в числе которых X5 Retail Group. В частности, они указывают, что если результатом анализа этих сведений является персонализированная информация, то ее использование требует согласия гражданина.

В случае, если «большие данные» в той или иной части будут приравнены к персональным, то все существующие требования российского законодательства, в том числе об обработке, трансграничной передаче, «локализации» персональных сведений и административной ответственности (ст. 13.11 КоАП РФ) будут распространены и на использование «big data», что, безусловно, повлияет на развитие этого рынка в России. Однако до того, как в нашей стране появится предметное регулирование в данной сфере, во избежание репутационных рисков сбор и использование «больших данных» рекомендуется осуществлять на основе принципа информированности клиента. Покупатели должны быть уведомлены о том,  какие сведения собирает то или иное устройство (датчик или технология) в магазине, какими способами, в каком объеме и где хранятся полученные данные. Также в зависимости от источников получения и целей обработки информации, способностей розницы (ре-) идентифицировать покупателя с использованием массива накопленных о нем сведений «технического характера» может потребоваться пересмотр используемых форм согласия клиентов на обработку персональных данных.