18 сентября 2019 года в Москве аналитический центр TAdviser провел конференцию Big Data и BI Day 2019, посвященную трендам использования бизнес-аналитики и больших данных. Участники обсудили, какие решения для бизнес-аналитики используют отечественные компании, какие технологии проникают в эту сферу, как монетизируются большие данные и многие другие вопросы.

Мероприятие посетили 135 человек.

Конференцию открыл модератор Алексей Шалагинов, который рассказал о роли бизнес-аналитики и анализа больших данных в цифровой экономике, и о том, что руководители предприятий различных отраслей придают большое значение этим технологиям, как наиболее важным для цифровой трансформации предприятия. По приведённой им информации:

Страны, где доступность данных и доступность интернета наивысшие, являются лидерами в экономике, - отметил модератор.

Опыт заказчиков, мнения экспертов

Руководитель проекта внедрения цифровой системы управления инвестпроектами и рисками «Газпрома» Яна Крухмалева представила доклад о создании автоматизированной системы управления проектами и рисками с использованием Big Data в компании. Она рассказала о предпосылках потребности в такой системе, связанных с необходимостью соответствия компании международным стандартам и опытом сотрудничества в области просчета рисков в внешним консультантом, которым «Газпром» остался недоволен.

Решив взять расчет рисков в свои руки, в «Газпроме» для их выявления был использован метод коэффициента конкордации Кендалла, который позволяет установить согласованность мнений экспертов по нескольким факторам. Поначалу в компании пытались внедрить решения для анализа рисков западных разработчиков, рассказала докладчица. Одним из решений был продукт Oracle Primavera, но в итоге его не удалось закупить из-за санкций. В других импортных решениях компания обнаружила ряд недостатков при попытках внедрения. В их числе - работа системы только при наличии полноценных качественных данных, необходимость существенных финансовых вливаний и компетентных специалистов. Также Крухмалева отметила сложности интеграции с существующими бизнес-процессами компании, отсутствие информации об эффективности применения в крупных корпоративных системах и др.

Яна Крухмалева, Руководитель проекта внедрения цифровой системы управления инвестпроектами и рисками «Газпрома»

После этого в «Газпроме» протестировали российское решение RiskGap и остались им довольны. Оно обеспечило заметное снижение затрат, создание адаптированной конструкция алгоритмов, упрощение пакета конфигураций и легкость интеграции, говорит Яна Крухмалева. При этом нет необходимости в компетенциях для коллективной работы с анализом рисков, а также обеспечена возможность развертывания системы на собственных вычислительных ресурсах для обеспечения безопасности.

Также представительница «Газпрома» поделилась примерами, где еще уже используются и потенциально могут применяться технологии больших данных, а также искусственного интеллекта в компании. В процессе реализации в «Газпроме» - применение искусственного интеллекта и технологий больших данных для минимизации краж газа. Также «Газпром» тестирует системы, которые позволили ли бы ему свести к минимуму человеческий фактор. Одна из них - позволяющая по голосу определить благонадежность потенциального сотрудника. Еще есть система российской разработки, позволяющая предугадать, когда сотрудник собирается уволиться, которую в «Газпроме» рассматривают к применению.

Почему нам так нравится искусственный интеллект? Он не ошибается, четко следует заложенному в него алгоритму, ему не надо платить, он работает круглые сутки. В тех местах, где можно было бы его применить, мы будем это делать. Это неизбежный процесс: технологический прогресс не остановить, - отметила Яна Крухмалева.

Кристина Барыш, руководитель отдела управления клиентской аналитикой, ФГУП «Почта России» рассказала о том, какова польза для компаний от Chief Data Officer (CDO). В настоящее время, отметила докладчица, профессия главного менеджера по данным ещё достаточно редкая и мало востребованная в кадровых агентствах. Например, на сайте hh.ru найдено лишь одно полное совпадение из 436 вакансий со словами Chief, Data и Officer. Однако, применение аналитики больших данных уже широко применяется для выявления различных целей, таких как: сегменты для продажи, трафик точек продаж, сезонность, вовлеченность сотрудников, выявление потребностей и упущенной выгоды, оценка скорости внутренних процессов, оценка потенциала новых проектов и многое другое.

Кристина Барыш, руководитель отдела управления клиентской аналитикой, ФГУП «Почта России»

От CDO в компаниях ждут таких действий как подборка, обработка и подготовка данных, применение и проверка моделей и гипотез, определение корреляций между событиями, выводов с понятными и измеримыми значениями параметров, описание и защита используемой методики анализа данных, а также предложений и рекомендаций. Качественная работа CDO способна заменить или улучшить маркетинг компании, подчеркнула Барыш. Анализ взаимосвязей данных позволяет не только определить основные характеристики клиентов, но и спрогнозировать их потенциал в соответствии с потребностями рынка, выявить влияние на эти показатели внутренних бизнес-процессов и внешних факторов.

В обязанности CDO также входит выявление специфики и трендов, новых возможностей «зацепить клиента», создать уникальный продукт, определить стратегию рекламы, улучшить бизнес-процесс, тем самым повысив доходность компании.

Сегодня практически каждое действие в компании отражается в данных, важно не просто сложить их в одно место, но и уметь построить взаимосвязи для формирования выводов, влияющих на эффективность, - в заключение отметила Кристина Барыш.

Александр Малахов, начальник управления методологического сопровождения работы с данными Аналитического центра при правительстве РФ, рассказал о том, как государство строит работу с данными. Он подчеркнул наличие проблемы качества данных:

В России отсутствуют практики накопления больших данных, при этом качество данных оставляет желать лучшего из-за наличия искажений (выбросов) и недостаточной глубины. Таким образом, требуется значительно расширять наборы данных для анализа, но для этого нет возможности, т.к. в связи с законом о защите персональных данных в нашей стране практически отсутствует рынок купли-продажи информации в виде бирж данных (Data Exchange), - пояснил Малахов.

Александр Малахов, начальник управления методологического сопровождения работы с данными Аналитического центра при правительстве РФ

Отсюда вытекают задачи создаваемой Национальной системы управления данными (НСУД) в части государственных данных:

• Определить стандарты обмена и хранения государственных данных, включая требования к их качеству;
• Создать единые условия доступа и обеспечить предоставление государственных данных в объёме потребностей рынка для применения в прикладных областях;
• Создать стандарты разметки данных в критических областях (медицина, беспилотники и др.);
• Выработать политику формирования, доступа и распространения наборов данных, в том числе для исследований;
• Сформировать общедоступные и постоянно обновляемые частные и государственные наборы данных для исследований в области искусственного интеллекта.

В докладе были представлены основные параметры создаваемой НСУД и пилотные зоны внедрения системы.

Темой доклада Аделя Валиуллина, руководителя направления машинного обучения Big Data при правительстве РФ, ДИТ Москвы, стали «технологии искусственного интеллекта в мегаполисе». Спикер привёл слова Эндрю Ына (Andrew Ng), известного американского учёного в области информатики, доцента Стэнфордского университета, основателя портала онлайн-обучения Coursera:

Сейчас трудно представить какую-либо отрасль, которая бы не была подвержена трансформации под воздействием искусственного интеллекта. Это здравоохранение, образование, торговля, связь и сельское хозяйство. ИИ коренным образом меняет эти отрасли и имеет ясные перспективы использования в них.

Адель Валиуллин, руководитель направления машинного обучения Big Data при правительстве РФ, ДИТ Москвы

Развитие ИИ стало возможным за счет двух факторов: накопление больших объёмов данных и мощные вычислительные ресурсы для их обработки. Например, в здравоохранении ИИ повышает возможность распознавать рак на ранних стадиях, когда он ещё поддаётся эффективному лечению. Кроме того, были представлены другие аспекты использования ИИ: в управлении персоналом, образованием, в повышении эффективности работы ЖКХ и пр.

Артём Данилов, руководитель направления инфраструктуры и технологий компании «Сибур», рассказал про опыт построения офиса данных в компании. В январе 2018 года в «Сибуре» начался проект по созданию цифрового офиса и офиса данных. В задачи первого входят AR\VR, IoT, цифровизация процессов, роботизация, а второй отвечает за работу с данными, создание платформы данных и управление НСИ.

Целью такой трансформации было избавление от отчётности в Excel и PowerPoint, смещение фокуса с «отчётности» на «анализ данных». Также компания поставила целью сделать данные качественными и доступными, снизить время реализации (T2M) для результатов аналитики, сделать процессы прозрачнее, а труд – более интеллектуальным.

Артём Данилов, руководитель направления инфраструктуры и технологий компании «Сибур»

На этапе реализации с апреля по октябрь 2018 года мы создали среду разработки, поняли, что такое DevOps, SRE и начали внедрять практики, ввязались в изменение процессов внедрения решений, инициировали множество изменений в ИТ-системе и протестировали архитектуру в облаках. А также собрали множество «шишек» и узнали, как на самом деле внедряются проекты, - поделился с участниками конференции Артём Данилов.

На этапе развития было реализовано около 20 проектов отчётности в «ручном режиме», начала создаваться внутренняя школа аналитики, произошла глобальная смена приоритетов: фокус переместился на эффективность и оцифровку метрик процессов.

Дмитрий Карбасов, руководитель управления «Промышленный искусственный интеллект», Евразийская группа ERG, рассказал об особенностях внедрения технологий искусственного интеллекта в промышленности. Он отметил, что уровень цифровизации в добывающей индустрии гораздо ниже, чем в банках и у операторов связи, поскольку промышленные компании не готовили ранее инфраструктуру для применения технологий ИИ.

Дмитрий Карбасов, руководитель управления «Промышленный искусственный интеллект», Евразийская группа ERG

Кроме того, существует отставание в цифровизации между Россией и Европой: от 23% до 66% по различным отраслям. Докладчик обозначил основные проблемы, мешающие российским отраслям достичь сравнимого с Европой уровня цифровизации. Во-первых, это качество ^[1]а для ИИ, который принципиально отличается от алгоритмов традиционных BI/CRM/ERP. Во-вторых - качество данных, диапазон которых для ИИ значительно выше, чем для традиционного анализа. И в-третьих - наличие специалистов по данным (data-scientist), которые по данной бизнес-задаче смогли бы на основе наборов алгоритмов сформировать развёрнутую систему, которую можно использовать для управления реальными бизнес-процессами.

Основные направления применения искусственного интеллекта: прогнозирование спроса, мониторинг и оптимизация непрерывных процессов, а также повышение эффективности использования оборудования за счёт предупреждения и устранения потерь на протяжении всего его жизненного цикла, - добавил Дмитрий Карбасов.

Николай Голов, глава Data Platform компании Avito, посвятил свое выступление вопросу, почему бизнес не может извлечь пользу из больших данных. Чтобы компании стать «Data Driven»-компанией, ей нужно внедрить аналитику больших данных, пояснил Голов. Поэтому нужно внедрить инструмент обработки больших данных, такой как Hadoop.

Для того, чтобы успешно провести цифровую трансформацию, нужно ответить на три вопроса «Зачем?». Зачем нужна платформа работы с большими данными? Чтобы строить по данным метрики и аналитику. Зачем? Чтобы принимать Data Driven решения. Зачем? Чтобы увеличить прибыль, нарастить активы, снизить риски и прочее, - объяснил спикер.

Николай Голов, глава Data Platform компании Avito

Если начать с платформы данных, то цепочка будет следующей. Платформа работы с большими данными нужна, чтобы строить по данным метрики. Они, в свою, очередь нужны для того, чтобы принимать «Data Driven»-решения. Эти решения нужны, чтобы увеличить прибыль, нарастить активы и снизить риски. По мнению Николая Голова, если использовать такой ступенчатый подход, то бизнес сможет извлечь пользу из больших данных.

Борис Едидин, партнёр юридической компании ЭБР, рассказал о нормативно-правовых рисках использования Big Data, особенностях использования больших массивов персональных данных по российскому законодательству и по европейскому (GDPR). За невыполнение требований GDPR предусмотрены штрафы до 20 млн евро или 4% от годовой выручки компании, привел данные он.

Борис Едидин, партнёр юридической компании ЭБР

В российском законодательстве в случае создания публичной правовой компании предусмотрен запрет на передачу данных за рубеж. Также необходимо вести реестр согласий на обработку данных. За невыполнение требований предусмотрены штрафы до 18 млн. руб. Помимо этого, предусмотрен налог на пользовательские данные.

Необходимо создание стимулов для передачи данных компаниям, создание доверенных компаний, саморегулирование, а также проект об экспериментальных правовых режимах, - заключил Борис Едидин.

Игроки рынка: тенденции и решения

Дмитрий Лазаренко, директор по продукту Mail.ru Cloud Solutions, рассказал о том, как работают с пользовательскими данными в высокотехнологичной компании. Он привел данные, что 97,2 % высокотехнологичных предприятий инвестируют в большие данные и искусственный интеллект. Mail.ru – это технологически сложный бизнес, в котором представлены не менее 30 связанных сервисов. Проблемы, которые мешают развитию бизнеса Mail.ru - отсутствие единого профиля клиента, недостаток данных о клиентах, при том, что эти данные разбросаны по многим сервисам.

Дмитрий Лазаренко, директор по продукту Mail.ru Cloud Solutions

В связи с этим было решено создать единую платформу пользовательских данных CDP (Customer Data Platform), объединяющую управление всеми данными и метриками клиентов на всем протяжении жизненного цикла использования услуг клиентом. Она должна помогать отделу продаж в принятии решений, а также помогает технической поддержке проактивно реагировать на проблемы клиентов для максимального удержания. В результате комплексного анализа данных, были получены интересные инсайты, например:

Более 60% новых пользователей облачных сервисов Mail.ru занимались майнингом криптовалют, что приводило к повышенной загрузке облачного оборудования компании.

Поэтому было решено сохранять в CDP данные об активности пользователей, кроме того, была создана нейронная сеть, помогающая делать выводы об уровне риска от пользователя. В результате было отфильтровано более 55% паразитного трафика пользователей, говорит Лазаренко. Кроме того, была создана нейронная сеть, делающая выводы о рисках ухода клиентов, в результате чего удалось улучшить удержание клиентов на 12%. Были сделаны и многие другие улучшения эффективности бизнеса.

Юрий Ефаров, генеральный директор, и Игорь Пантелеев, архитектор проекта компании Sapiens Solutions, представили доклад «Как NLP помогает получить бизнес-аналитику с полуслова?». В нем докладчики презентовали чат-бот, позволяющий через мессенджер Telegram и другие делать запросы на естественном языке и формировать аналитические отчёты и графики. При этом был создан максимально универсальный алгоритм, который не ограничивал бы пользователя в построении речевых запросов, в отличие от SQL.

Юрий Ефаров, генеральный директор компании Sapiens Solutions

Нужно начинать не с машинного обучения, а с создания алгоритма детерминирования, системы правил, а также разработать грамматику, которая не будет ограничивать пользователя в естественности построения его языкового запроса. И только после этого задействовать машинное обучение, - отметили представители Sapiens Solutions.

Игорь Пантелеев, архитектор проекта компании Sapiens Solutions

В результате было получено рабочее решение, испытания которого показали, что чат-бот понимает естественную речь людей и отвечает на их вопросы. После пяти месяцев оптимизации процент правильной интерпретации запросов с естественного языка вырос с 92% до 96%. Был получен удобный инструмент для быстрого доступа к данным, а также создан базис для перевода NLP на нейронные сети.

После докладов состоялось стейдж-интервью с Андреем Козловым, вице-президентом по ИТ НПФ «Будущее», основной темой которого стало применение технологий анализа Big Data в работе пенсионных фондов. Козлов отметил, что в пенсионных фондах накапливается много данных, которые затем используется при начислении пенсии. Однако взаимодействие с клиентом, по сравнению с банками, производится много реже. Накапливая эти данные, можно проводить аналитику, и эти данные могут быть интересны для диверсификации бизнеса финансовых групп, в которые входят пенсионные фонды, поскольку срок действия инвестиционного договора с НПФ может достигать 40 лет.

Андрей Козлов, вице-президент по ИТ НПФ «Будущее»

«НПФ Будущее» применяет бизнес-аналитику для повышения инвестиционной отдачи накоплений граждан. Речь идёт о долгосрочных инвестициях: пенсионные накопление, страхование жизни и пр. Основная задача – накопление резервного портфеля, который может облегчить инвестору жизнь в старости.

При этом НПФ «Будущее» в своей работе использует интерфейсы программирования приложений (API). Они позволяют производить взаимодействие и между элементами системы, и между юридическими лицами.

Андрей Козлов также поделился, каким он видит будущее пенсионных фондов в цифровой экономике. По его мнению, в последнее время отрасль пенсионных накоплений испытывает много стрессов и часто становится объектом критики. Пенсионная реформа будет развиваться и войдёт в рамки цифрового пространства и цифрового взаимодействия. Ведётся работа по переводу пенсионного обеспечения из исключительно финансовой сферы, также и в сферу услуг и материальных ценностей. Например, это может быть предоставление лекарств по льготным ценам, скидки на билеты в театры и пр., предоставление услуг, которые востребованы пожилыми людьми.

В конце конференции состоялась дискуссия, где участники смогли задать интересующие их вопросы спикерам, выяснить детали и неясные моменты, а также обсудить будущие тенденции развития бизнес-аналитики и анализа больших данных.

Презентации докладов