Upgrade to Pro — share decks privately, control downloads, hide ads and more …

BigData – «нефть» эпохи цифровой трансформации, Анна Племяшова, Белтел, CEE-SECR 2017

CEE-SECR
October 20, 2017

BigData – «нефть» эпохи цифровой трансформации, Анна Племяшова, Белтел, CEE-SECR 2017

Мир изменился и никогда не будет прежним. Данные теперь – это не просто производная деятельности, это самодостаточный ресурс, обладание которым и умение им искусно управлять дает неоспоримые конкурентные преимущества. Цель доклада ознакомить слушателей с теми практиками и реальными кейсами из собственного опыта в области предиктивной аналитики и применении BigData, построении моделей с использованием искусственного интеллекта и машинного обучения, которые есть уже сейчас и добавляют стоимость бизнесам, а также попытка “заглянуть за горизонт” и предсказать развитие экономики данных, а также вызовы, которые ждут разработчиков и ИТ-компании в ближайшем будущем.

CEE-SECR

October 20, 2017
Tweet

More Decks by CEE-SECR

Other Decks in Technology

Transcript

  1. None
  2. 2

  3. 3

  4. 4 • • • • •

  5. Отраслевая экспертиза Математическая экспертиза Экономическая экспертиза 5

  6. None
  7. • • • 7

  8. 8 350 6000 поставка поставка поставка поставка возврат возврат возврат

    возврат УБЫТКИ
  9. 9 Microsoft Azure Модель машинного обучения Данные сбыта за два

    года Объем поставок по каждому продукту для каждой торговой точки Данные об отгрузках для последующего обучения модели Завод Требования к прогнозу Отдел сбыта завода Сторонние факторы, влияющие на потребление Источники данных Big Data
  10. 10 Мало данных, отсутствует информация с касс Задержка возвратов испорченных

    продуктов Неопределенная структура спроса товара даже на исторических данных
  11. 1. Восстановление структуры спроса 3. Построение модели 5. Публикация решения

    2. Выявление факторов, влияющих на спрос 4. Проверка точности на тестовом периоде 11
  12. 12 Модель приближает продажи для 80% пар магазин/товар с приемлемой

    точностью Для 152 из 179 пар магазин/товар средняя абсолютная ошибка составляла не более 7% График спроса хорошо прогнозируемого товара в разрезе магазина, (шт.) График спроса плохо прогнозируемого товара в разрезе магазина, (шт.) Факт Модель Факт Модель
  13. 13 Доля возвратов до применения предиктивной аналитики Доля возвратов после

    применения предиктивной аналитики Microsoft Azure Machine Learning Сокращение возвратов для восьми тестовых магазинов составило 511 тысяч рублей в месяц! *Минимальный процент возврата необходим, чтобы исключить ситуацию пустых полок в магазинах [CATE GORY NAME ] … Прода жа 81% Возвр ат 10% Прода жа 90%
  14. 14 Результат • Уменьшение времени простоя благодаря раннему предупреждению о

    потенциальных отказах и проблемах • Увеличение прибыли благодаря возможности провести ремонт по фактическому состоянию • Повышение эффективности работы благодаря возможностям удаленного мониторинга и ускорению процесса анализа неисправностей 14
  15. • • • • 15

  16. • • • • • • • 16 Вдохновение?

  17. 17 Отсутствие целостных и достаточных данных Технологии развиваются быстрее, и

    сколько бы данных не было, их всегда будет не хватать ДАТАНОМИКА (Datanomics) – знания, связанные с производством, потреблением, обработкой, передачей и защитой данных, получение с их помощью добавленной стоимости.
  18. 1. Юридическая неопределенность – отставание нормативной базы • Ноябрь 2016

    – руководитель Роскомнадзора Александр Жаров заявил, что рабочая группа по вопросам развития Интернета при администрации президента, которую возглавляет Игорь Щеголев, начала разработку законопроекта, регулирующего работу с «большими пользовательскими данными» (БПД) • Март 2017 – И. Щеголев: в законе о БПД может появиться возможность запретить использование данных о себе операторам связи и другим компаниям, «у пользователя появилось больше возможностей влиять на судьбу тех данных, которые о нем получены» • Июнь 2017 – А. Жаров: закон о BigData может появиться в России в конце 2018 - начале 2019 года • Июнь 2017 – Фонд развития интернет-инициатив (ФРИИ) планирует разработать альтернативный законопроект о Больших данных. В его основу лягут предложения «Мегафона», МТС, «Яндекса», X5 Retail Group, ассоциации «Финтех» и других крупных компаний 18
  19. 2. Ценовая неопределенность – отсутствие рынка типовых решений • Клиенту

    сложно ориентироваться в адекватности предложенной цены • Разброс цен может быть значительный в зависимости от используемого инструментария и стратегии ценообразования поставщика решения • Часто решения по цене принимаются на уровне интуиции 3. Экономическая неопределенность – отсроченный экономический эффект решений • На территории РФ мало доказанной практики успешных и результативных внедрений для решения бизнес-задач 19
  20. 20 106 лет 35 лет

  21. 21 10 лет

  22. Подписывайтесь на канал Datanomics в Telegram и страницу на Facebook