Новости

Главной целью проекта, партнером по которому выступила компания Novardis, стало объединение клиентских профилей из разных каналов продаж и централизованная система каналов и коммуникаций. До внедрения решения компания «Азбука вкуса» использовала две системы для персонализированного маркетинга, данные в которых не были связаны между собой.

Результатом внедрения системы стало создание единого профиля клиента, который отражает комплексное взаимодействие с покупателем во всех дистанционных каналах и розничных магазинах, предпочтения клиента по продуктам, точкам контакта и историю коммуникаций с ним. На начало эксплуатации системы «Азбука вкуса» запустила более 50 цепочек триггерных маркетинговых кампаний для различных групп клиентов в удобных для них каналах: e-mail, в мобильном приложении и в личном кабинете на сайте. На базе платформы происходит автоматизированный процесс рассылок промоакций, персональных купонов, предложений с повышенными бонусами на всю базу контактов с учетом предпочтений клиента по связи с ним. Система также дает возможность клиентам получать информацию об общедоступных и персональных предложениях в push-уведомлениях мобильного приложения и sms-сообщениях.

Как отмечает Елена Шемагонова, директор программ лояльности «Азбуки вкуса», благодаря реализации проекта удалось привести в порядок систему ведения баз данных и целевых маркетинговых коммуникаций с клиентами, сократить стоимость доработок и трудозатраты, улучшить качество коммуникаций с клиентами с учетом глубокого знания профиля потребления. Это должно сделать взаимодействие с покупателями еще более персонифицированным и доверительным.

По состоянию на начало 2022 года прогнозы ИТ-экспертов касательно нарушения цепочек поставок ИТ-оборудования в результате дефицита компонентов инфраструктуры полностью сбылись. Исходя из оценок реальных сроков поставок в Россию, вместо докризисных 6-10 недель нетиповое ИТ-оборудование сегодня «едет» от 24 до 40 недель.

Нетиповым ИТ-оборудованием считается продукция, еще не вышедшая в массовое использование на рынке, но уже поставляемая вендорами по запросу со стороны крупных бизнес-пользователей. Например, это графические процессоры, продвинутые видеокарты, которые все больше используются для задач компьютерного зрения и дополненной реальности, аналитики и вычислений с использованием суперкомпьютеров.

По оценкам Linxdatacenter, в 2022 году можно прогнозировать продолжение роста спроса на микрочипы, что в сочетании с заметно возросшими сроками поставок приведет рынок к новому дефициту вычислительных ресурсов. Реагируя на ситуацию, многие крупные дистрибьюторы уже создают альтернативные схемы решения ИТ-задач клиентов, в том числе путем строительства собственных облачных платформ – самостоятельно или с поддержкой облачных гигантов. То есть на рынок ИТ-сервисов приходят компании, которые раньше в этот сегмент не заходили. Пока что их активность не влияет на конкуренцию в сегменте. Но по мере углубления дефицита в 2022 году можно ожидать трансформацию бизнес-модели вендоров и дистрибьюторов «железа».

Все это укладывается в прогноз, сделанный ранее Linxdatacenter, по росту спроса на облачные ресурсы ИТ-провайдеров в 15-20% в первом квартале 2022 года.

ОТП Банк реализует стратегию цифровой трансформации, чтобы максимально соответствовать запросам своих клиентов и вызовам финансового рынка. Цифровые сервисы банка создаются в соответствии с парадигмой Agile, где над каждым сервисом и продуктом работают самостоятельные кросс-функциональные команды, управляющие процессами создания и изменений продуктов в полном объеме. Такой подход предполагает определенную свободу для каждой из команд в выборе инфраструктуры и инструментов, необходимых для реализации задачи, а также постоянную работу с внутренними системами банка и каналами взаимодействия с клиентами.

Как отмечает Михаил Бижан, директор дивизиона ИТ ОТП Банка, такой подход отлично работает с точки зрения улучшения показателя Time to Market при реализации новых проектов, однако усложняет системную работу по управлению ИТ-ландшафтом банка, его планирование, учет, оптимизацию. Для реализации комплексного подхода к развитию ИТ-инфраструктуры банка, учитывающего влияние каждой продуктовой команды на общую картину, было принято решение о модернизации архитектурной практики и внедрении системы управления архитектурой предприятия.

Основой системы управления корпоративной архитектуры стала платформа iServer. В качестве референтного фреймворка в рамках проекта по внедрению и конфигурированию системы был выбран ArchiMate (фреймворк и нотация от The Open Group). При этом в проекте были также учтены и использованы все текущие наработки команды банка в области управления ИТ-архитектурой.

В ходе проекта было проведено конфигурирование платформы iServer, включающее создание репозитория для хранения архитектурных артефактов, настройку ролей пользователей системы и разработку шаблонов для моделирования. Были определены метамодель и набор артефактов для текущих потребностей архитектурной практики, проведено первоначальное наполнение репозитория объектами архитектуры, подготовлены отчеты по состоянию ИТ-ландшафта. В результате создана единая информационная среда (репозиторий), предоставляющая актуальные данные о состоянии «as is» и «to be» прикладной архитектуры банка, организован доступ к реестрам компонентов ИТ-ландшафта (ИТ-системы, API, технологии) на внутреннем портале. Кроме того, налажен процесс моделирования архитектуры разрабатываемых и изменяемых ИТ-решений на основе данных из репозитория. Проект дал возможность быстрого формирования необходимых ИТ-отчетов и прогнозов для заинтересованных лиц банка (Agile-команд, подразделения инфраструктуры, ИБ и др.), а также отчетности для регулятора на базе единой систематизированной метамодели.

Сервисы персонализации реализованы во всех точках контакта бренда «М.Видео» с покупателями: сайт, мобильное приложение клиента, приложение консультанта в розничных магазинах. Рекомендательные модели помогают сделать выбор среди популярных устройств и новинок, а также подобрать аксессуары и сопутствующие товары. Товарные рекомендации приносят 20% оборота клиентского приложения и инициируют четверть всех покупок.

Разработанные решения анализируют взаимодействие авторизованных клиентов с каталогом, историю просмотров, поиска, покупок и брошенных корзин. Собранные данные используют для формирования персональных товарных рекомендаций. Так ретейлер может определить склонность пользователей к покупке, потребность в различных категориях техники, предпочтения в ценовых сегментах и брендах. Модели на основе машинного обучения автоматически прогнозируют различные сценарии поведения пользователей и рекомендуют для каждого из них наиболее предпочтительные предложения. Товарные рекомендации реализованы на всех основных этапах пути к покупке: главная страница, поиск, карточка товара, корзина покупателя по нескольким основным сценариям: «хиты», «новинки», «в тренде», аксессуары, похожие и сопутствующие товары.

Модель предлагает варианты устройств по сценариям «хиты», «новинки», «в тренде» на основе поведения пользователей. Каждая из полок имеет ряд ограничений: на нее попадают либо новинки, чьи продажи начались в последние два месяца, либо наиболее покупаемые устройства в каждом из городов за 3-6 месяцев. Эти списки товаров модель делит на так называемые стратегии, и в произвольном порядке выдает одну их них пользователям в приложении или на сайте. По мере взаимодействия клиентов с каждой из стратегий, наиболее популярные из них получают больший вес и с большей долей вероятности будут показаны вновь. Параллельно внутри каждой группы ранжируются и модели товаров – выше поднимаются те, которыми чаще интересовались.

Другие модели рекомендуют популярные аксессуары и сопутствующие товары, а также предлагают альтернативы, если выбранного устройства нет в наличии или доставка занимает слишком долгое время. Отдельно разработали алгоритм, способствующий увеличению оборота – он показывает технику в чуть более дорогом сегменте, но выделяет характеристики, по которым покупатели делают выбор в ее пользу.

Как подчеркивает директор по маркетингу и цифровому опыту клиента «М.Видео-Эльдорадо» Владислав Свириденко, компания реализует уникальную на рынке стратегию гибридного шопинга на мобильной платформе OneRetail. Она объединяет онлайн и офлайн и предлагает персонализированный покупательский опыт, основанный на анализе данных. По оценкам компании, каждый третий пользователь приложения взаимодействует с товарами, предложенными «умными» алгоритмами.

За 9 месяцев 2021 года оборот мобильной платформы вырос на 100% до 180,4 млрд руб. и составил 67% от общих онлайн-продаж.

Компания «Ригла» отказалась от услуг аутсорсингового контакт-центра в пользу собственного, который создан на базе комплекса продуктов Naumen: омниканальной коммуникационной платформы Contact Center, платформы для создания голосовых и чат-ботов Erudite и системы управления рабочей нагрузкой WFM. Запуск собственного контакт-центра позволил значительно повысить уровень управляемости и гибкость основных бизнес-процессов. Благодаря интеграции платформы контакт-центра с CRM-системой компания получила возможность поднять на новый уровень персональное обслуживание клиентов.

Обращения клиентов всех форматов сети «Ригла» обслуживаются единым пулом операторов с универсальными навыками. Для обработки входящих голосовых вызовов и чатов в системе реализована возможность бесшовного перевода диалога с робота на оператора. В задачи чат-бота на сайте входит помощь клиентам в проверке статуса заказа, активации карты лояльности и подборе ближайшей аптеки. Кроме того, он помогает проверить наличие и цену нужного лекарства во всех трех форматах сети с учетом города поиска, удобного местоположения аптеки и дозировки препарата. Запуск ИИ-бота на платформе Naumen Erudite снизил загруженность операторов.

Рабочую нагрузку на единый контакт-центр аптечных сетей прогнозирует WFM-система. На базе прогноза автоматически составляется график работы, учитывающий занятость сотрудников, часть из которых работает удаленно. Операторы могут следить за расписанием и формировать заявки на изменение рабочего графика через мобильное приложение.

Чтобы поддержать стабильную работу логистики и реализовать планы по развитию сети, руководство «О’КЕЙ» решило выработать стратегию оптимизации цепи поставок с учетом приоритетов и задач бизнеса. Среди них – высокий уровень сервиса, сокращение плеча доставки продукции до магазинов и общих затрат логистики. Компании необходимо было получить конкретные рекомендации, каким образом развивать цепи поставок на горизонте нескольких лет. Для этого ретейлер решил использовать методы математического моделирования. Партнером и консультантом по проекту стала компания «Корус Консалтинг».

В ходе проекта специалисты интегратора провели интервью с бизнес-экспертами ключевых подразделений «О’КЕЙ», собрали массив данных, предпосылки и ограничения, спроектировали бизнес-архитектуру сети. На исторических данных эксперты создали цифрового двойника, а далее отрегулировали логику работы цепочек. Разработанные модели логистических цепочек розничной сети легли в основу будущих оптимизационных решений и разработки стратегии развития этого направления.

Как отмечает Игорь Шацкий, директор по логистике сети «О’КЕЙ», драйверами к построению цифровой модели цепочек поставок послужили постоянно растущая стоимость плеча доставки в дальние регионы и недостаточно высокая скорость реакции на изменения спроса в магазинах. В итоге удалось достичь значительного сокращения плеча доставки в магазины без увеличения бюджета логистики. За счет этого получена существенная выгода с точки зрения стоимости транспортных услуг, которая перекрывает стоимость дополнительных операций на распределительном центре, включая его аренду.

Обычные планы расстановки товаров на полке, которые обычно распечатываются на бумаге и размещаются на полках и прайсшинах, заменили в пилотных магазинах на формат дополненной реальности. Чтобы посмотреть актуальную схему выкладки товаров, достаточно с помощью приложения ARGUMENT отсканировать с помощью смартфона размещенный на полке специальный маркер. В результате на экране устройства развернется цветная схема, согласно которой необходимо разместить товары. Каждый маркер для удобства сотрудников визуально символизирует ту или иную категорию товаров.

Таким образом персонал в любой момент имеет под рукой актуальный план выкладки товаров. В результате увеличилась эффективность работы с ассортиментом, скорость смены товаров на полках и, сократилось использование бумаги для печати.

Как отмечает Александр Кузнецов, директор по внедрению розничных технологий макрорегиона «Волга» торговой сети «Пятерочка», грамотная выкладка товара напрямую влияет на рост оборота и прибыли. Однако в зависимости от наличия ассортимента и акций схемы размещения товаров могут часто меняться, а на донесение информации до сотрудников требуется время. Поэтому очень важно предоставлять доступ к информации в режиме реального времени. В результате пилота по работе с планограммами в формате дополненной реальности отмечена хорошая динамика по ключевым бизнес-показателям, а также получена положительную обратная связь от работников магазинов.

Для оценки эффективности решения в пилотных магазинах замеряли рост спроса на выложенные по электронной схеме товары и сравнивали с показателями магазинов контрольной группы с бумажными схемами выкладки. При этом анализировалась статистика платформы ARGUMENT по датам и частоте сканирований маркеров. В результате рост спроса на товары, размещенные по цифровым схемам, составил в среднем 2,8%, что на 560% превысило ожидаемый результат.

Автоматизация взаимодействия с внешними системами и сервисами облегчила взаимодействие с компанией для клиента. В том числе благодаря ей клиенты могут заявить о наступлении страхового случая не посещая офис страховой компании, а в некоторых случаях даже не собирая подтверждающие документы — страховая компания самостоятельно запрашивает их в государственных органах.

Роботы также взяли на себя значительную часть рутинной работы, которую ранее выполняли сотрудники.

Как отметил Владислав Набоков, начальник управления технологий СберСтрахование жизни, в прошлом году компания начала формировать собственный центр компетенций в области роботизации. Помимо прочего внедрение RPA-решений помогло настроить работу по реагированию на запросы и предписания, поступающие в организацию. По каждому запросу, требующему реакции, система автоматически назначает ответственного. Безошибочная и бесперебойная работа роботов позволила повысить уровень клиентского сервиса, избавить сотрудников от рутины, уменьшить количество ошибок и сэкономить миллионы рублей.

С целью выявления возможных областей контроля в бизнес-процессах, потенциальных направлений их совершенствования, а также исследования возможности применения новых технологий анализа исполнения бизнес-процессов руководство «Алроса» приняло решение провести цифровой аудит процесса технического обслуживания и ремонта. Для этого была выбрана команда «Рамакс».

Исследование процесса проводилось по пяти направлениям: соблюдение регламента планирования, корректность ведения учета ТОиР в системе, время процесса ТОиР, уровень автоматизации процесса и влияние ошибок на процесс. За несколько недель был восстановлен реальный ход процесса ТОиР на основании цифровых следов в ERP-системе, отражающих более 300 тыс. случаев выполнения процесса ТОиР (4,5 млн событий), а также найдено и проработано 15 областей потенциального улучшения, влияющих на прозрачность процесса технического обслуживания и ремонта и эффективность его планирования и управления.

Результатом аудита стали практические рекомендации по необходимым изменениям в процессе, а также была предложена маршрутная карта дальнейших действий для повышения эффективности использования бюджета ТОиР с применением технологии Process Mining.

Как отмечает Сергей Константинов, руководитель проекта от «Алроса», целью аудита был переход от качественной к количественной оценке влияния ключевых этапов процесса на общую эффективность работы компании. Требовалось провести поиск причин возникновения неоптимальных ситуаций и выработать рекомендации по их устранению. В ходе проекта удалось убедиться в бизнес-ценности технологии Process Mining. За короткое время были получены значимые результаты анализа процесса ТОиР и разработаны рекомендации для последующего его совершенствования.

В 2021 году дата-офис Альфа-Банка запустил проект по созданию корпоративного каталога данных на базе Alation. Предпосылками для создания каталога были проблемы с поиском и однозначным пониманием данных различными подразделениями заказчика, что в свою очередь приводило к отсутствию понимания информационного ландшафта в целом, высоким трудозатратам на верификацию данных и экспертизе одного «лица». Проект предполагает поэтапную реализацию каталога данных: на первом этапе – в техническом контуре, где работают преимущественно специалисты по управлению данными, а на последующих – с охватом критичных бизнес-подразделений заказчика, где c данными работают предметные эксперты, бизнес-аналитики и руководители.

Как отмечает Александр Заболоцкий, руководитель дирекции технологических платформ и развития процессов управления данными Альфа-Банка, ключевой задачей было внедрение платформы, дающей возможность сотрудникам понимать весь информационный ландшафт банка. После установки решения банк начал наполнение каталога данных с контура корпоративных хранилищ, которые содержат 70% гранулярности данных банка.

После ввода системы в промышленную эксплуатацию были получены положительные отзывы пользователей об удобной функциональности для поиска, определения и актуализации данных, наглядной визуализации метаданных. На последующих этапах внедрение такого интегрированного набора инструментов в бизнес-подразделениях позволит существенно ускорить поиск нужных данных, сократить время бизнес-аналитиков на разработку или корректировку отчетов, а руководителям – принимать решения на основе достоверной и качественной информации.