Открывая ежегодную BI-конференцию компании «Терн», ее генеральный директор Екатерина Лозовая напомнила о 28-летней истории своей организации и 550 успешных проектах, реализованных ею в самых разных отраслях. Несмотря на присутствие довольно узкого термина BI в названии конференции, направление это претерпевает в последние годы существенные изменения в результате стремительного расширения спектра и объемов собираемых и анализируемых данных, развития средств машинного обучения (МО) и искусственного интеллекта (ИИ).

В контексте данного форума как нельзя к месту оказались определения технологий Machine Learning, Data Science и Artificial Intelligence, приведенные в докладе менеджера по партнерским продажам российского представительства IBM Cloud Романа Шемпеля. Первые представляют собой набор моделей и алгоритмов, которые учатся и создают прогнозы на основе подготовленных данных. Вторые включают методы обработки данных с целью получения на их основе знаний. Третьи позволяют строить системы, способные принимать решения в помощь людям. Если вспомнить историю BI, то с самого начала ПО этой категории относили к средствам поддержки принятия решений, но предполагалось, что решения всегда принимаются человеком. На нынешнем этапе происходит коренной слом: бизнес-аналитика все чаще будет не только выявлять закономерности, строить прогнозы и рекомендовать стратегии, но и автоматизировать процесс принятия решений.

Понятно, что такой оборот событий приведет к существенному росту ответственности, возлагаемой на контур бизнес-аналитики, и к ужесточению требований к исходным данным. Ведь если, скажем, провести машинное обучение на некачественных данных, то слепая вера в полученные при этом прогнозные и предписывающие модели чревата огромными потерями, а извлеченные знания вполне могут оказаться набором заблуждений. Не случайно в BI-опросе, проведенном компанией BARC, результаты которого представил ведущий эксперт «Терна» Эдуард Федечкин, большинство участников высший приоритет отдало контролю качества данных и управлению мастер-данными.

Следом за ним идут интеллектуальная визуализация результатов анализа, управление данными, работа в режиме самообслуживания, аналитика реального времени, в том числе потоков данных IoT, BI, встраиваемый в процедуры операционного управления, Big Data, широкое использование открытых и внешних данных. По словам Эдуарда Федечкина, к включению в аналитические процедуры внешних данных большой интерес проявляют и многие российские заказчики, которые с их помощью хотели бы проверять благонадежность потенциальных клиентов и партнеров. В нашей стране востребованы также решения для мониторинга и учета рабочего времени. Говоря о методологии гибкого выполнения проектов Agile, докладчик, признавая ее несомненные достоинства, посетовал на то, что она нередко действует в ущерб разработчикам и внедренцам, позволяя заказчику в ходе проекта многократно корректировать технические требования.

Все это накладывает отпечаток на выбор продуктов, с помощью которых «Терн» решает задачи заказчиков. Следует признать, что и поставщики таких продуктов не сидят сложа руки и совершенствуют их в должном направлении. Так, менеджер разработчика средства финансового планирования и бюджетирования Prophix Тейс Поулсен сообщил, что в нем уже реализованы инструменты прогнозирования и риск-менеджмента на базе ИИ и МО с использованием как собственных, так и внешних данных.

На конференции прозвучали два доклада о реальных проектах, выполненных в России с участием «Терна» в прошедшем году. Первый должен был помочь в управлении трейд-маркетингом компании British American Tobacco, которая хотела проконтролировать движение товаров по всей цепочке от производителей и дистрибьюторов до розничных сетей и отдельных магазинов с целью проверки соблюдения соглашений по преимущественной выкладке тех или иных марок и политике ценообразования. Созданная на базе продуктов SAP Business Objects и Business Warehouse система позволила повысить качество планирования контрактной деятельности и оплаты по результатам исполнения контрактов. С ней работают 1300 пользователей в сотне региональных офисов.

Второй был выполнен в «Ростелеком Контакт-центре», одном из крупнейших в России аутсорсинговых контактных центров, имеющем региональные площадки в 16 городах и обрабатывающем более 8 млн. обращений в месяц. Цель проекта — повышение операционной эффективности и удовлетворенности клиентов. Текущая нагрузка на операторов зависит от множества факторов и крайне неравномерна, что приводит к избыточным затратам на персонал. Требовалось прогнозировать нагрузку в режиме реального времени и в соответствии с ней планировать рабочее время более 6 тыс. операторов. Для этого система на базе СУБД Postgres и аналитической платформы Tibco Spotfier собирает и анализирует не только исторические и текущие данные об обработанных операторами обращениях в контакт-центр, но и текстовые комментарии клиентов в форумах и соцсетях, которые нередко дают возможность выявлять истинные причины их недовольства и появления жалоб.

Версия для печати (без изображений)