Cardlytics op HP Vertica bevoegdheden miljoenen snel op maat gesneden marketing biedt aan bankkaart consumenten

Luister naar de podcast. Vind het op iTunes. Lees de volledige transcript of download een kopie. Sponsoren: HP.

Groei van het bedrijf

Efficiënte big data mogelijkheden helpen Cerner rijden noodzakelijke verbeteringen in de resultaten van de gezondheidszorg; Leer hoe Visible Maatregelen tracks een uitdijend heelal van video en viewer te gebruiken big data, het gebruik van Vertica, Empirix levert complexe carrier prestaties van het netwerk gegevens met big data, de DNC verandert de politiek in de politieke wetenschap; behoefte aan kwaliteit en snelheid bevoegdheden Sentara’s applicaties modernisering reis, Big data verandert de klant analyse spel voor Yammer, Spil Games, Gelderland; Applicatieontwikkeling efficiëntie rijden Agile uitbetalingen voor de gezondheidszorg tech provider TriZetto; Hoe MZI HealthCare identificeert big data productiviteit patiënt edelstenen met behulp HP Vertica, geavanceerde IT controle Levert Predictive Diagnostics Focus naar United Airlines, HP Vertica architectuur geeft Massive performance boost om zwaarste BI-query’s voor Infinity Verzekeringen; HP-Fueled Application Delivery Transformation Pays Lopende Dividenden voor McKesson; Podcast recap: HP Experts analyseren en verklaren de Haven big data nieuws van HP Discove r

T hij volgende editie van de HP Discover Podcast-serie levert een innovatie case study interview dat benadrukt hoe data-intensieve credit- en debit-card marketing dienstverlener, Cardlytics, levert miljoenen zeer toegesneden marketing biedt aan bankwezen consumenten in de hele Verenigde Staten.

Cardlytics, bij de vaststelling van een nieuwe analytics platform, opgedaan enorme data-analyse capaciteit, sterk verminderde vraag tijden, en snel ontmoet eisen van de klant op grote schaal.

Social Enterprise; LinkedIn onthult haar nieuwe blogging platform; Big Data Analytics, Is dit de leeftijd van Big OLAP;? Big Data Analytics; DataRobot gericht op low-opknoping fruit van de gegevens wetenschap te automatiseren; Big Data Analytics; MapR oprichter John Schroeder treden naar beneden, COO te vervangen

Om te leren hoe, we zitten met Craig Snodgrass, Senior Vice President voor Analytics en Productontwikkeling bij Cardlytics Inc., gevestigd in Atlanta. De discussie, die op de recente HP Vertica Big Data-conferentie in Boston plaatsvond, wordt gemodereerd door mij, Dana Gardner, Principal Analyst bij Interarbor Solutions. [Disclosure: HP is een sponsor van BriefingsDirect podcasts.]

Hier zijn een aantal fragmenten

Gardner: Op een gegeven moment, je moet hebben een data-infrastructuur of legacy setup dat niet is aan uw wensen hadden. Vertel ons een beetje over de reis die u op het verkrijgen van betere analytische resultaten voor uw bedrijf zijn geweest.

Snodgrass: Zoals met elk ander bedrijf, onze gegevens werden groeit en groeit en groeit. Ook groeit op hetzelfde moment werd het aantal adverteerders dat we met het werk waren. Aangezien onze adverteerders overspannen meerdere categorieën – ze variëren van automotive, de detailhandel, restaurants, snel-serve – de aard van de vragen die ze vroegen anders waren.

Snodgrass

Dus we hadden dit kruispunt van meer gegevens en andere vragen gebeurt op een verticaal niveau. Met behulp van onze bestaande platform, we konden gewoon niet beantwoorden deze vragen in een tijdig, en we konden niet herhalen rond in staat om onze adverteerders geven nog meer inzichten, want het was gewoon te lang.

Ten eerste, we waren niet in staat om zelfs antwoorden krijgen. Toen was er de heen-en-weer te willen om meer te begrijpen of om meer inzicht te krijgen het gewoon eindigde met meer-en-meer. Dus aan het eind van de dag, kwam dat neer op meerdere en ongestructureerde vragen, en we konden gewoon niet onze oude systemen om snel genoeg te reageren.

Gardner: Wie zijn uw klanten, en wat doe je voor hen?

Snodgrass: Onze klanten zijn in wezen iedereen die wil om hun bedrijf te laten groeien. Dat is waarschijnlijk een gemeenschappelijk antwoord, maar ze zijn adverteerders. Het zijn mensen die gewend zijn aan de traditionele media, waarbij wanneer ze een tv of radio-advertentie. Ze raken iedereen, mensen die zouden komen om hun winkel anyways en mensen die waren waarschijnlijk niet van plan om hun winkel te komen.

We kunnen richten op wie ze willen in hun winkel door middel van kijken naar zowel debit-card en credit-card aankoopgegevens alles in een geanonimiseerde wijze te brengen. We zijn in staat om te kijken naar het verleden uitgaven gedrag, en zeggen, op basis van die besteding van gedrag, dat dit de soorten klanten die de meeste kans om uw winkel te komen en nog belangrijker, de meeste kans om een ​​lange-termijn van de klant voor zijn u.

We kunnen richten die, kunnen we het om te adverteren in de vorm van een beloning, wat betekent dat de klant in feite krijgt iets voor de advertentie-ervaring. Wij leveren die via hun bank.

De bank is in staat om dit te doen voor hun klanten ook. De beloning komt van de bank, en de adverteerder krijgt een nieuw kanaal te gaan brengen in het bedrijfsleven. Dan kunnen we volgen hen na verloop van tijd wat hun rendement op advertentie-uitgaven is. Dat is niet een voordeel zij voor met de traditionele reclame die zij hebben gedaan heb gehad.

Gardner: Dus het klinkt als een win, win, win. Als consument, ik ga aanbiedingen die iets meer dan een deken zijn te krijgen. Het gaat om iets gericht op mij als de bank dat is het verstrekken van de credit card zijn. Ze gaan loyaliteit te krijgen door het hebben van een beloningsprogramma inspanning die werkt. Dan, natuurlijk, die mensen het verkopen van goederen en diensten hebben een nieuwe manier van het bereiken en afzet van die goederen en diensten op een manier die ze kunnen meten.

Snodgrass: Ja, en weer terug naar het idee van de verschillende verticals. Het werkt binnen van retail, net zo goed als restaurants, abonnementen en de andere categorieën die zijn er ook. Dus het is niet alleen een one-categorie soort beloning.

Een klant zal snel weten als er iets is niet relevant. Als je in een klant te brengen, voor wie kan het niet relevant of ze waren niet de juiste klant, ze niet van plan om terug te keren.

De adverteerder is niet van plan om hun rendement op advertentie-uitgaven te krijgen. Dus het is eigenlijk zowel in ons eigen belang om ervoor te zorgen dat we kiezen voor de juiste klanten, omdat we willen dat het rendement op krijgen ad-te besteden voor de adverteerders ook.

snijdende groei

Gardner: Craig, wat voor soort volume van de gegevens hebben we het hier over?

Snodgrass: We doen ongeveer 10 terabytes per jaar. Vanuit een volume oogpunt, het is een combinatie van niet alleen het aantal transacties dat we binnenhalen, maar het aantal verzoeken, vragen en antwoorden die we hebben om te gaan tegen. Deze kruising van volumegroei en groei vragen gebeurt tegelijkertijd.

Voor ons nu, onze data is gestructureerd. Ik weet dat veel bedrijven werken aan de ongestructureerde stuk. We zitten in een wereld waar in de betalingssystemen en bancaire systemen, de gegevens is relatief gestructureerd en dat is wat we krijgen, dat is geweldig. Onze vragen zijn ongestructureerd. Ze zijn overal van corporate real estate soorten vragen, om loyaliteit, om gewoon willekeurige vragen die ze nog nooit eerder hebben gekend.

Een belangrijk ding dat we voor adverteerders kunnen doen is, op zijn minst, te beantwoorden twee grote vragen. Wat is mijn marktaandeel in een gebied? Typisch, adverteerders weten alleen wanneer klanten naar hun winkel met die transactie komen. Ze weten niet waar die klant gaat en, uiteraard, weten ze niet wanneer mensen niet in hun winkel komen.

We hebben dat de volledige 360-graden beeld van wat er gebeurt bij de klant niveau, zodat we kunnen beantwoorden, voor een geografisch gebied of welk gebied dan ook dat een adverteerder wil, wat is hun marktaandeel en hoe is hun marktaandeel trending week tot week .

Het andere stuk is dat wanneer we targeting doen, zou er iemand die een locatie drie keer bezoekt gedurende een bepaalde periode zijn. Je weet niet of ze iemand die winkels in de categorie 30 keer of als ze ze slechts drie keer winkelen. We kunnen eigenlijk share-of-wallet te beantwoorden voor een klant, en je kunt gebruiken in targeting, het ontwerpen van uw campagnes, en wat nog belangrijker is, in de analyse. Wat is er aan de hand met deze klanten?

Gardner: Dus het beter werk je doet, hoe meer vragen zullen worden gegenereerd.

Snodgrass: Het is een zichzelf vervullende profetie. Voor ons, met Vertica, één van de belangrijkste onderdelen is niet alleen de snelheid, maar hoe snel we kunnen schalen als het aantal queries omhoog gaat. Het is relatief eenvoudig om te voorspellen wat onze groei en datavolume gaat worden. Het is niet gemakkelijk voor mij om te voorspellen wat de groei in query’s gaat worden. Nogmaals, zoals adverteerders te begrijpen welke soorten vragen die we kunnen beantwoorden, is het helaas een verhouding van 10 tot 1. Zodra ze iets te begrijpen, zijn er 10 andere vragen die eruit komen.

We kunnen snel knooppunten en schaalbaarheid toe te voegen aan de toename van de volumes van vragen te beheren, en het is goedkoop. Dit is geen dure hardware die je moet zetten. Dat is een van de belangrijkste beslissing punten die we hadden. De meeste mensen begrijpen HP Vertica van de snelheid stuk, maar dat en de snelle schaalbaarheid van de infrastructuur waren van cruciaal belang voor ons.

Gardner: Net zoals uw marketing klanten willen in staat zijn om hun uitgaven en de return on investment (ROI) te voorspellen van het, heb je het gevoel dat je kunt voorspellen en waarderen, wanneer u schalen met HP Vertica wat uw kosten zullen zijn? Is er een groot vraagteken of heb je een gevoel van, ik dit doe en ik moet betalen dat?

Vergelijk en contrast

verschillende paden

Mogelijk bent u ook geïnteresseerd in

Snodgrass: Het is de “Ik doe dit en ik zal moeten betalen dat” de linearness. Voor; degenen die Vertica begrijpen, dat is een beetje een domper, maar de lineaire relatie is dat als we nodig hebben om te schalen, alles wat we moeten doen is dit. Het is heel gemakkelijk te voorspellen. Ik ben misschien niet de datum wanneer ik iets toe te voegen, maar ik zeker weet wat de kosten zullen zijn wanneer we nodig hebben om het toe te voegen.

Gardner: Hoe meet, in aanvulling op dat de voorspelbaarheid van de kosten, uw voordelen? Zijn er snelheden en feeds die je kunt delen, dat te vergelijken en het contrast en kan ons helpen beter te begrijpen hoe goed dit werkt?

Snodgrass: Er zijn twee nummers. Tijdens de POC fase hadden we een set van 10 tot 15 verschillende vragen die we gebruikt als een baseline. We zagen overal van 500x tot 1000x of 1,500x snelheid in ruil voor het krijgen van die gegevens. Dus dat is het eerste puntje.

De tweede is dat er vragen die we konden gewoon niet krijgen tot finish waren. Op een gegeven moment, als je laat het lang genoeg, je weet alleen niet of het gaat om samenkomen. Met Vertica, hebben we nog niet geraakt die grens.

Vertica is ook toegestaan ​​om een ​​verschillende mate van mogelijkheden analisten hebben als het gaat om SQL schrijven. Sommige zijn elegant en schrijven ze fantastisch, zeer efficiënt queries. Anderen zijn nog aan het leren de beste manier om te gaan zet de queries samen. Ze zal nog steeds terug te keren met Vertica. In de erfenis wereld voorafgaand aan de Vertica, dat zijn degenen die net zou niet terugkeren.

Ik weet niet het exacte aantal voor hoe veel productiever ze zijn, maar het feit dat hun vragen altijd terug te keren en terug te keren in een tijdig weten, uiteraard is drastisch hun productiviteit verhoogd. Dus het is een moeilijke te meten, maar vergeten hoe snel de query’s zijn teruggekeerd, de productiviteit van onze analisten is gestegen dramatisch.

Gardner: Wat zou een analytics platform beter doen voor u? Wat zou je graag zien komen in de pijplijn in termen van functies, functie en prestaties?

Snodgrass: Als je iets zou kunnen doen in SQL, Vertica is fantastisch. We willen graag meer integratie met R, meer integratie met software as a service (SaaS), meer integratie met deze geavanceerde tools. Als u alle gegevens te krijgen in hun systemen, misschien kunnen ze het manipuleren op een bepaalde manier, maar dan bent u het beheer van twee systemen.

Vertica werkt aan een beetje een betere integratie met R door middel van gedistribueerde R, maar er is ook SaaS ook. In een SaaS-winkel, zijn er een heleboel dingen die je gaat doen in SaaS dat je niet gaat om te gaan doen in SQL. Dat volgende niveau van analytics integratie is waar we zouden heel graag gaan zien het product gaan.

Gardner: Verwacht u dat er nog verschillende soorten gegevens en informatie die je zou kunnen uit te oefenen op deze? Misschien een soort van camera, sensor van een soort, point-of-sale informatie of mobiele en geo-informatie die kan worden uitgeoefend? Hoe belangrijk is het voor u om een ​​platform dat plaats biedt aan schijnbaar bijna elk aantal verschillende soorten informatie en formats te hebben?

Snodgrass: De beste manier om dat ene antwoord is dat we niet ooit willen vertellen business development dat de reden dat ze kunnen een weg niet vervolgen omdat we niet over een platform dat kan ondersteunen die moeten.

T oday, ik weet niet waar de toekomst in petto heeft van deze verschillende wegen, maar er zijn zo veel verschillende paden kunnen we naar beneden gaan. Het is niet alleen de Vertica component, maar de HP HAVEN componenten en het feit dat ze kunnen integreren met een groot deel van de ongestructureerde, ik denk dat ze noemen het “de gegevens over de mens ten opzichte van de machine data.”

Het is het hebben van de gegevens over de mens weg voor ons open. We willen niet de beperkende factor voor de reden waarom iemand zou willen om iets te doen zijn. Dat is een andere stip voor HP Vertica in ons kamp. Als een business model komt, kunnen we dit ondersteunen.

Luister naar de podcast. Vind het op iTunes. Lees de volledige transcript of download een kopie. Sponsoren: HP.

LinkedIn onthult haar nieuwe blogging platform

Is dit de leeftijd van Big OLAP?

DataRobot streeft naar laaghangend fruit van data science automatiseren

MapR oprichter John Schroeder treden naar beneden, COO te vervangen