Популяризация Data Science привела к появлению выражений «Большие данные – большие деньги» и «Big Data – это нефть XXI века». В этой статье я расскажу о способах монетизации данных для компаний и физических лиц, а также поясню, насколько выгодной и легальной является купля-продажа информации.
Три способа заработка на данных
Как известно, прибыль растет при повышении доходов и сокращении расходов. В обоих случаях данные можно использовать следующими способами.
Оптимизация текущих бизнес-процессов и центров затрат
Например, предиктивная аналитика параметров технологического оборудования позволит заранее составить график его профилактических ремонтов, предупреждая поломки и простои техники.
А проанализировав отдачу от инвестиций в рекламные каналы по различным сегментам целевой аудитории, можно существенно улучшить маркетинговую стратегию, отказавшись от неэффективных инструментов продвижения.
RB.RU готовит большое обновление — и мы хотим учесть пожелания и интересы вас, наших читателей. Если вы готовы поделиться своим мнением об RB.RU, переходите по ссылке, чтобы заполнить короткую анкету.
В частности, именно таким образом, с помощью сбора и последующей аналитики данных о пользовательском поведении, были оптимизированы веб-сайт и мобильное приложение одного из отечественных банков. Об этом я подробно рассказывал здесь.
Увеличение выручки через привлечение новых клиентов и/или кросс-продажи
Здесь необходимы подробные сведения о текущих или потенциальных потребностях своего покупателя, чтобы предложить ему нужный товар или услугу в подходящее время. В частности, персональные маркетинговые предложения для пользователей интернет-магазина в виде информации о сопутствующих продуктах, ремаркетинг и выход на новые рынки с таргетированной рекламой.
Подробные данные об особенностях и поведении каждого сегмента целевой аудитории позволят максимально детализировать маркетинговую стратегию, сосредоточив усилия на наиболее эффективных каналах коммуникации с клиентом. Например, так работают рекомендательные системы и программы лояльности крупных ритейлеров: Amazon, Wallmart, «Лента» и других онлайн- и офлайн-магазинов.
Пример практического использования такой информации в задаче динамического ценообразования интернет-магазина описан в моей статье.
Продажа информации о своих пользователях внешней стороне
Несмотря на достаточно угрожающую формулировку, этот способ вполне легален. Далее я расскажу, как можно заработать, продавая данные и не нарушая законы.
Какие данные можно продать?
Прежде всего, стоит отметить, что некоторая информация является тайной (личной или производственной) и охраняется законом.
Статья 24 Конституции РФ считает недопустимым распространение информации о частной жизни человека.
Требования к защите персональных данных (ПД) – любых сведений о физическом лице (субъекту персональных данных), предоставляемых другому физическому или юридическому лицу, на основании которых можно прямо или косвенно определить субъекта ПД (ФИО, дата и место рождения, адрес места регистрации и проживания, семейное, социальное, имущественное положение, образование, профессия, доходы, паспортные данные, телефон и email), регламентируются в Федеральном законе № 152-ФЗ «О персональных данных», постановлениях правительства, методических материалах ФСБ, Роскомнадзора и ФСТЭК.
Нарушение этих ФЗ регулируется статьей 13.11 КоАП РФ, которая предписывает предупреждение или административный штраф, а также статьями 137, 140 и 272 УК РФ, которые предполагают уголовная ответственность при нарушении закона о ПД с наказанием в виде штрафа, принудительных работ, отзывом лицензии, лишением свободы до двух лет с лишением права заниматься определенной деятельностью и занимать определенные должности.
![]()
Фото: Gorodenkoff/Shutterstock
Однако, несмотря на столь суровые наказания, ПД продолжают использоваться «не по назначению» даже крупными и, казалось бы, очень надежными компаниями.
Например, Facebook на протяжении трех лет платил $20 в месяц пользователям за сбор их личных данных (истории браузера, фотографий, видео, геолокации, сообщений в соцсетях и мессенджерах), чтобы затем использовать эту информацию в маркетинговых целях.
А телекоммуникационные компании T-Mobile и AT
База поставщиков БЕСПЛАТНО!!! Заработок для всех
Заработал 500 000₽ за 47 секунд — схемы из даркнета!
Таким образом, источники «сырых данных» вполне легальны, так как анонимизированные данные о пользовательском поведении не попадают под действия 152-ФЗ.
Однако, чтобы избежать претензий Роскомнадзора и обвинений в нарушении генерального регламента о защите персональных данных граждан ЕС (GDPR, General Data Protection Regulation), действующего во всех странах, включая РФ, с 25.05.2018, следует предупредить пользователя о сборе пользовательских данных и cookie. При этом следует получить согласие пользователя на сбор и обработку такой информации.
Для создания таких уведомлений используются предупреждающие баннеры, которые генерируются с помощью сервисов, например, Cookiebot, CookiePro, OneTrust (рис. 2).
Рис.2. Пример уведомления о сборе и обработке пользовательских данных
Получив согласие пользователя на сбор и обработку его данных, можно предложить их DSP-компаниям или биржам данных (Data Exchange). Продавая данные о пользовательском поведении другим рекламодателям через биржу или DSP-платформу (рис. 3), бизнес получает фиксированное вознаграждение или процент от покупок, совершенных пользователем.
Рис.3. Продажа данных о пользовательском поведении DSP-компании через биржу данных
При этом на стороне DSP-платформы выполняется агрегация «сырых данных» о пользователе с целью предложения подходящих ему рекламных объявлений. В частности, определяются потребительские интересы и намерения.
Все страницы, посещаемые пользователем, индексируются на предмет содержания ключевых слов, отражающих определенную тематику. Каждый сайт и его разделы тоже классифицируются по тематической принадлежности. Затем каждый сегмент в таксономии описывается ключевыми словами, тематикой сайта и частотой посещения.
К примеру, если пользователь посещал тематические сайты и задавал поисковые запросы с ключевыми словами «продажа авто», «покупка Ford», то он попадает в аудиторный сегмент, нужный рекламодателю (рис. 4).
Рис. 4. Пример определение интересов пользователя на основе его истории посещения сайтов
Технически поставка данных о пользовательском поведении осуществляется следующим образом: поставщик получает от DSP-компании или биржи специальный код, который при загрузке страницы сохраняет в браузере пользователя cookie, с помощью которых отслеживаются его дальнейшие передвижения по сайту и между сайтами. Как правило, для этого используется javascript или невидимая пиксельная картинка. Так создается виртуальный «образ» пользователя, то есть портрет его потребительского поведения.
Собранные таким образом данные размечаются по максимально доступному количеству параметров. При этом также возможна интеграция информации с данными из других систем, например, сведений о клиентах из CRM, чтобы связать их с виртуальными профилями. В маркетинге это может использоваться для рекламных кампаний по возврату клиентов.
Например, рассылка email-писем клиентам определенной категории с приглашением-ссылкой на конкретную веб-страницу или картинкой-пикселем в самом письме. Когда пользователь откроет письмо в браузере или пройдет по ссылке, добавленные таким образом cookie позволят отслеживать его профиль, чтобы показывать целевую рекламу в соответствии с интересами клиента и рекламодателя.
Кто продает пользовательские данные?
Выступать поставщиком данных о различных потребительских сегментах могут интернет-магазины, профессиональные соцсети и рекрутинговые сервисы, сервисы по бронированию отелей и продаже билетов, а также другие онлайн-ресурсы, владеющие информацией о пользовательских интересах и намерениях.
За такие сведения потребители данных (DSP-компании и биржи данных) готовы платить от 100 тысяч рублей в месяц за «сырые данные» и от 300 тысяч за структурированные по определенным целевым сегментам.
Сегодня наиболее крупными поставщиками данных на российском рынке можно назвать следующие компании: Aidata.me, tBh (партнер RTB-компании Auditorius), Amberdata, Adriver, Facetz, Pluso, Usefuldata.
За рубежом рынок поставки данных развит гораздо активнее и наиболее популярными Data Supplier’ами считаются следующие организации: BlueKai, eXelate, eyeota, Brilig, Lotame, nugg.ad, Weborama Adatus.
Резюме
Итак, зарабатывать на пользовательских данных может фактически любой бизнес, используя их в своих маркетинговых целях или предлагая стороннему рекламодателю. Однако законом разрешено оперировать только с обезличенной информаций, которая содержит анонимные сведения о потребительском поведении, но не о частной жизни пользователя. Для сбора таких данных необходимо получить информированное согласие пользователя, предупредив его об этом с помощью соответствующего баннера.
Стать поставщиком данных имеет смысл для крупного веб-ресурса с высокой посещаемостью (от нескольких тысяч уникальных пользователей в день).
Другие, более «традиционные» способы монетизации данных (оптимизация собственных бизнес-процессов и маркетинговых кампаний) актуальны для бизнеса любого масштаба и могут быть успешно реализованы с привлечением штатного аналитика или внешнего консультанта по Data Science.
Источник: rb.ru
SQL с нуля: как управлять базой данных и получать от 300 000 рублей ежемесячно?
Развитие бизнеса и экономики всё больше опирается на теорию больших данных. С опытным специалистом, который умеет извлекать информацию по необходимым параметрам и анализировать, компания развивается, наращивает прибыль, занимает все большую долю рынка. Нет такого специалиста — нет опоры для развития.
В этой статье мы разберем, как научиться управлять базами данных с нуля и стать опорой роста дохода транснациональных корпораций, крупного бизнеса и даже интернет-магазина соседа, сверстанного за вечер.
Как устроен мир больших данных
Весь мир вокруг — данные (цифры, текст, фото, видео). Чтобы не потеряться в беспорядочном массиве информации, ее необходимо структурировать.
В мире больших данных на страже порядка стоят Базы Данных (БД). Здесь все удобно разложено по полочкам и можно в любой момент найти все что нужно.
Базы данных применяются везде, где хранится много информации: в соцсетях, интернет-магазинах, видеоиграх, аптеках, банках, такси, грузоперевозках и даже в вашем смартфоне.
Это необъятный мир со своими правилами, законами и алгоритмами. Но стоит только подобрать к нему ключ, он сразу становиться простым, как 2х2.
Этот ключ состоит всего из 3 букв — SQL.
Зачем нужен SQL
Это главный инструмент для специалиста, который работает с данными. С его помощью специалист получает необходимую информацию из огромного массива данных.
Например, нужно узнать аудиторию пользователей Вконтакте в 2022 году. Специалист прописывает команду и извлекает необходимые данные — 73,4 млн человек в месяц.
Задача усложняется. Среди этих пользователей нам необходимо выделить предпринимателей, чтобы настроить на них рекламу с промокодом на рекламный бюджет.
Если поместить эти данные в Excel, таблица займет десятки миллионов строк и тысячи столбцов! Поиск, аналитика таких данных будет крайне непростая. Именно поэтому для хранения информации используют базы данных, а SOL помогает быстро и удобно получать данные для конкретных целей, сортировать, структурировать, предоставить в простом понятном формате.
Разберем другой пример. Представьте мужчину, который выбирает кожаный кошелек в интернет-магазине среди 15 тысяч вариантов и хочет уложиться в 3 тысячи рублей. Изучение каталога займет 2-3 часа. Проще в фильтре выставить настройки по материалу, цене и сразу найти нужные модели. Такие фильтры работают на основе языка SQL.
Что еще важно знать? SQL — это:
- язык запросов, а не программирования;
- на нем невозможно написать сайт или приложение, но SQL используется при их создании;
- прост для начинающих за счет своей предметности и упорядоченной структуры;
- может обрабатывать любой объем информации;
- дает возможность получать информацию по сложным запросам за считанные минуты;
- с его помощью можно управлять доступом и защищать данные от взлома.
Где применяется?
SQL — первая необходимость аналитиков крупных компаний. Аэрофлот, Сбер и Тинькофф постоянно собирают и анализируют данные о своих пользователях. На основе этого разрабатывают новые продукты, востребованные на рынке, расширяя аудиторию и увеличивая прибыль.
Яндекс, Вконтакте, Одноклассники, Кинопоиск, ivi используют SQL, чтобы показывать пользователям рекомендации на основании их прошлых просмотров, тем самым повышают интерес к своим платформам.
Запросы, организованные по заданным параметрам, помогают маркетологам собрать информацию о потенциальных потребителях, проанализировать, создать релевантные гипотезы, провести тесты и удешевить стоимость 1 клиента.
Например, владелец компании по строительству домов хочет понять, как эффективнее выстроить стратегию продаж. Анализируя поведение его целевой аудитории, становится ясно, что 91% пользователей выбирает дома на сайтах-агрегаторах или в агентствах недвижимости, где можно сравнить объекты и отобрать по необходимым параметрам. Соответственно, чтобы продать дом, собственнику первым делом необходимо разместить объявления на сайтах-агрегаторах и заключить партнерское соглашение с агентствами недвижимости.
SQL-запросы нужны тестировщикам программного обеспечения при проверке результатов теста на базах данных. Широкая выборка помогает определить наличие багов на разных устройствах и скорректировать все неисправности.
Навык задавать параметры базам данных особенно необходим аналитикам для изучения необходимых параметров за длительный период времени. Это помогает сделать точные прогнозы.
Например, аналитик агропредприятия изучает урожайность, погоду за последние 10 лет. Это помогает ему сделать прогноз на текущий год и спланировать сбыт продовольства.
Язык SQL отвечает на основополагающие вопросы бизнеса:
Как вырос доход за последний месяц? А в разрезе по неделям и дням?
Какие каналы продаж принесли компании больше прибыли? А в разрезе по дистрибьюторам?
Какие решения по проектам были убыточными? Какие из проектов сменили падение на рост? Какова текущая динамика за последние три недели?
Зачем SQL финансисту или бухгалтеру?
Страшно представить массив данных, с которыми работают финансисты и бухгалтеры. Под их чутким влиянием огромные полотна цифр, собранные за годы сущестWowания компании.
Представьте, что бухгалтеру нужно создать нестандартный отчет по зарплатам 250 инженеров за последние полгода… А у него только Excel! Поиск необходимых сотрудников, выборка нужных данных и формирование отчета займет несколько дней. А SQL с этим справится за 2-3 минуты.
К тому же, компании готовы повышать зарплату сотруднику с новыми навыками, ведь это им выгодно — не нужны дополнительные кадры, а,значит, и расходы на зарплату, налоги и рабочее место.
Перспективы
На момент написания статьи, сентябрь 2022 года, только в России на hh.ru 8 301 вакансия «Аналитик» с требованием знаний SQL и зарплатой 100 000 ₽ — 400 000 ₽ и выше.

HR-аналитики исследовали миллионы вакансий со всего мира и сделали вывод, что язык SQL стал более востребованным, чем Python, Java и JavaScript. Причина — в незаменимости управления базами данных во многих компаниях.
Легко ли изучить SQL?
SQL — предметный язык для пользователей, которые не умеют программировать профессионально. То есть язык для владельцев информации. Подросток 12 лет разберется за месяц, если при этом будет ходить в школу, выполнять все домашки и посещать дополнительные занятия по хип-хопу. Взрослому будет достаточно двух-трёх недель интенсивного обучения, чтобы вникнуть в основные правила и выполнять базовые команды.
Дальше начнется самое интересное — практика. Разобраться, как ездить на лыжах можно за 30 минут инструктажа, но виртуозно съезжает со склона тот, кто десятки раз совершает новые попытки, выбираться из сугробов, стряхивать с себя снег и пробует еще раз.
Есть и продвинутый уровень — те самые “черные” горнолыжные трассы — проектирование баз данных с помощью SQL-кода, создание таблиц, написание программ. Это уже требует гораздо больше времени и усилий. Это обсудим в следующих статьях.
Как получить профессию
Шаг 1: Изучить максимум информации по теме.
Например, зайдите в Яндекс или на Ютуб. Введите в строку поиска: “SQL для чайников”, “Как управлять базами данных”, “Как написать запросы SQL”.
Шаг 2: Изучить особенности и отличия СУБД.
Схема та же, что и в шаге 1. Открываем Яндекс браузер, просим Алису рассказать, что такое СУБД (Система Управления Базами Данных). Возможно, понадобится повторить. Алиса не всегда понимает с первого раза. Основные — Oracle, MySQL, PostgreSQL, Microsoft SQL Server. Обратите внимание на ClickHouse — разработку Yandex, которая является очень прогрессивной отечественной СУБД.
Так же сейчас она очень актуальна в плане происходящего импортозамещения.
Шаг 3: Наработать скилы в онлайн-тренажерах.
Для начала наберитесь опыта выполнения простейших команд, постепенно усложняя задачи. Установите понравившуюся программу для работы с базами данных на свой компьютер. Найдите открытые базы данных по интересующим вас направлениям ( пост на habr.com и kaggle.com вам в помощь) и попробуйте работу с датасетами при помощи SQL в установленной программе. Узнаете много нового:)
Шаг 4: Пройти обучение.
На курсах вы можете получить систематизированные знания, отработать их на практике и уже через 2-3 месяца начать получить первые деньги с помощью новых навыков.
Например, курс в HOCK Training идеально подойдет тем, кто хочет попробовать себя в IT с нуля. Вы сможете освоить навыки управления базами данных с поддержкой профессионалов своего дела и за 2 месяца получить новую профессию.
Нужен ли SQL конкретно вам — решать только вам!
НО знайте: вы видите и читаете данную статью на сайте — тоже сделано при помощи SQL запроса к Базе Данных 🙂
Источник: www.hocktraining.com
