Новости

Решение на основе нейросетевой технологии распознает эмоции в голосе клиентов, обратившихся в контакт-центр, и рассчитывает индекс удовлетворенности обслуживанием непосредственно во время разговора с оператором. При этом анализ осуществляется как на голосовом уровне, так и на семантическом, при переводе речи в текст. Система также учитывает дополнительные параметры: количество пауз в речи оператора, изменение громкости голоса и общее время разговора. Аналитика такого рода позволит распознавать эмоции клиентов и выделять наиболее критичные классы обращений. Таким образом менеджер контакт-центра получит сводную статистику по работе операторов с каждым звонком: распознанные эмоции, динамику изменения индекса удовлетворенности обслуживанием во времени, сравнительные показатели эффективности предоставленного сервиса.

Технологии на основе биометрии становятся все популярнее в различных сферах, в том числе и в банковской. В Росбанке надеются, что внедрение технологии распознавания эмоций в голосе поможет вывести сервис на новый уровень. При успешной реализации пилотного проекта система может применяться в сети отделений банка для аналитики общения сотрудников с клиентами.

Сбербанк создал новую модель машинного обучения Auto ML, сообщил на Российском инвестиционном форуме заместитель председателя правления Сбербанка Анатолий Попов. Auto ML — алгоритм, который умеет создавать другие модели. А они, в свою очередь, уже решают прикладные задачи — определяют платежеспособность клиента при выдаче кредита или помогают отделять законопослушных клиентов от нарушителей.

В январе 2019 года был проведен пилот: алгоритмы Auto ML были применены для создания нескольких базовых моделей класса Next Best Action (таргетирование кампаний продаж). Алгоритм позволяет оптимизировать один из важных шагов создания применяемой в бизнесе модели машинного обучения, а именно создание baseline модели (первой версии модели, которая потом развивается уже с участием человека). Качество таких моделей, созданных алгоритмом, сопоставимо с качеством модели, создаваемой вручную. При этом скорость работы алгоритма в 10-15 раз превосходит скорость работы человека.

Полученные результаты доказывают возможность использования технологии автоматического моделирования для быстрого формирования базовых моделей обработки данных и использования его для запуска кампаний продаж корпоративно-инвестиционного бизнеса Сбербанка.

Как показывает исследование «Инновации, smart data и клиентоориентированность», проведенное Forrester по заказу Experian, четверо из пяти топ-менеджеров охотно признают важность данных, аналитики и искусственного интеллекта для развития их организаций. В 2019 году эти области станут приоритетным объектом инвестиций для обеспечения более быстрого, более надежного и более информированного принятия решений.

Исследование охватывает три основные темы: всеобщий переход на цифровые технологии, обслуживание МСБ и взаимодействие с клиентами. Оно показало, что, несмотря на усилия в направлении улучшения впечатлений клиентов от обслуживания, а также повышения их доверия и удовлетворенности, примерно половина всех компаний сталкиваются с трудностями в виде растущих расходов на привлечение и удержание этих клиентов, на их обслуживание, а также с такими неблагоприятными факторами, как увеличение проблемной задолженности.

Причинами таких сложностей были названы устаревшие технологии и неспособность принимать согласованные решения при использовании множественных каналов связи. Более четверти респондентов (28%) признаются, что не могут стабильно обеспечивать беспроблемное обслуживание новых клиентов, и еще столько же опрошенных (26%) убеждены, что не в полном объеме реализуют потенциал продвинутой аналитики.

Компании всех размеров осознают, что им нужен доступ к максимальному объему данных наряду с мощным аналитическим потенциалом для выявления и обработки знаний.

В Lloyds, крупнейшем розничном банке Великобритании, обсуждается проект перевода обслуживания примерно 500 тыс. клиентов на облачную банковскую платформу Vault OS, разработанную небольшой местной компанией-стартапом Thought Machine, основанной в 2014 году несколькими бывшими сотрудниками Google. В прошлом году банк приобрел 10% акций стартапа и вложил в него 11 млн фунтов стерлингов.

Внедрение в крупном банке системы, разработанной компанией, за плечами которой всего два года работы, — рискованный шаг, и в Lloyds подчеркивают, что подход к такому проекту (если он вообще будет осуществляться) будет осторожным. Банк предпочитает не комментировать шумиху, поднявшуюся в прессе, но отмечает, что совместная работа с Thought Machine является частью более широких планов по модернизации технологической базы.

Очевидно, что в банке не хотят повторения случившегося в апреле 2018 года с банком TSB, когда при переходе на новую систему многие клиенты потеряли доступ к своим счетам и лишились денег. В ноябре прошлого года в Комитете казначейства палаты общин британского парламента было решено провести изучение готовности банков к сбоям систем. Вероятно, проект внедрения новой банковской системы привлечет внимание регулирующих органов.

Платформа Vault OS разрабатывалась специально для облачных сред, и уже сейчас поддерживает AWS, Google Cloud Platform и IBM Cloud. В ней используется технология закрытого блокчейна, в которой у каждого клиента есть собственный централизованный контролируемый реестр. Впрочем, пока Vault OS ни в одном банке не применяется в реальном обслуживании клиентов.

Используемая компанией «Утконос» аналитическая система с высокой точностью предсказывает выкуп товаров на неделю. Однако там, где необходим более короткий горизонт планирования, ее точность заметно снижается, что влечет потенциальные убытки. В отличие от классических BI-систем, решения на базе машинного обучения позволяют учитывать большее число факторов, а значит, дают больше возможностей для аналитики.

«Нам крайне важно с одной стороны не разочаровать своих покупателей отсутствием нужного им товара, а с другой — не закупить избыток у поставщиков, особенно если речь о скоропортящихся продуктах. Данный пилотный проект продемонстрировал нам возможности машинного обучения в сфере прогнозирования спроса, а также выявил ряд интересных закономерностей, влияющих на поведение покупателей», — комментирует Дмитрий Сухоруков, руководитель управления планирования и товародвижения компании «Утконос».

Проект, реализованный при помощи «Инфосистемы Джет», затронул несколько товарных наименований в категории «Мясо охлажденное», так как это товар короткого срока хранения и сложных условий поставок, по которому особенно важно точно определить требуемый объем закупок. Также была рассмотрена категория «Яйцо куриное», по которой в течение года прослеживается специфический сезонный спрос, а машинное обучение как раз позволяет выявлять скрытые взаимосвязи.

В рамках проекта эксперты построили математическую модель и обучили ее на исторических данных о покупках в «Утконосе» за два года. При этом была учтена информация не только по товарным остаткам, но и производственный календарь с выходными и праздничными днями, а также данные о погодных условиях. На историческом интервале в 2 месяца прогностическая точность созданной модели оказалась на уровне 80%, а на интервале в полгода — порядка 75%.

Стоит отметить, что за последний год оборот «Утконоса» значительно вырос. Это усложнило задачу, так как не позволяло корректно применять исторические данные прошлых лет. Тем не менее за счет привлечения дополнительных внешних данных удалось реализовать решение достаточно высокой точности, которое может дать заметную экономию средств на закупках и реальное увеличение выручки при грамотном снабжении склада.

Компания «Утконос» активно развивает направление машинного обучения. В частности, ретейлер выступил партнером RAIF Hackathon 2018, предоставив командам-участникам свои обезличенные данные для решения творческой задачи по прогнозу спроса. Победителем стала команда Help The Platipus, которая сфокусировалась на анализе групп сопутствующих товаров, товаров-заменителей и так называемой каннибализации.

Доля высокотехнологичных и наукоемких отраслей в экономике России составила по итогам 2018 года 21,3%, что составляет в денежном выражении около 20 трлн руб., следует из свежих данных Росстата.

Впервые ведомство рассчитало долю высоких технологий и науки в экономике за 2011 год. Тогда этот показатель составил 19,7%. Потом вклад высоких технологий и науки в ВВП последовательно рос, но заметно просел до 21,3% в 2015 году. В 2016-м и 2017 году показатель равнялся отметке 21,6%.

Указанные отрасли делятся на три группы: высокотехнологичные, среднетехнологичные и наукоемкие производства. Они включают не только научные разработки, выпуск летательных аппаратов, производство компьютеров и медицинского оборудования, но и образование и здравоохранение, страхование, финансы, архитектуру, и проектирование, и даже ветеринарию.

Показатель рассчитывается как отношение суммы валовой добавленной стоимости, созданной этими отраслями, и совокупной валовой добавленной стоимости всех видов экономической деятельности в основных текущих ценах, пояснили свою методологию в Росстате.

В майских указах 2012 года президент РФ ставил задачу увеличить долю продукции высокотехнологичных и наукоемких отраслей в ВВП в 1,3 раза к 2018 году относительно уровня 2011-го. Исходя из данных Росстата за 2011 год, целевой показатель — 25,6%, а фактический по итогам 2018 года составил только 21,3%.

Константин Круглов имеет более чем 20-летний опыт работы в сфере ИТ. Прошел путь от разработчика С++ до руководителя крупных ИТ-проектов. Он был СТО (директором по технологиям) инвестиционного банка, визионером и лидером в командах, разрабатывающих продукты в области больших данных, искусственного интеллекта, распознавания речи и пр.

До прихода в Сбербанк Круглов занимал должность директора по экспериментальным продуктам в компании «Яндекс», где был идеологом и руководителем проекта умной колонки «Яндекс.Станция» на базе виртуального помощника «Алиса». Еще один его значимый проект — сервис DataCloud, позволяющий анализировать аудиторию клиентов на основе данных об их цифровой активности.

Для работы целого ряда существующих и планируемых ИТ-решений Yota необходимы данные из множества источников: о наборе подключенных продуктов, балансе и т.д. При последовательном запросе и поступлении данных быстродействие приложений напрямую зависит от источников, и низкая производительность одного элемента влияет на всю систему. Кэш-платформа Tarantool многократно увеличивает скорость обмена данными и снижает сложность взаимодействия с разнородными источниками.

После первого обращения к профильной информации платформа сохраняет этот результат в «быстром» кэше. В дальнейшем система обращается только к нему, что гарантирует совершенно иной уровень скорости работы и доступности данных. При этом информация не устаревает: источники передают уведомления обо всех происходящих изменениях, поэтому кэш всегда актуален. В итоге приложениям в любой момент доступны актуальные сведения, независимо от количества источников и их быстродействия.

Check Point выпустила вторую часть отчета 2019 Security Report. Аналитики подчеркивают, что инструменты, используемые киберпреступниками, стали более демократичными, а продвинутые методы атаки теперь доступны всем, кто готов заплатить за них. При этом отмечен значительный рост скрытых комплексных атак, предназначенных для того, чтобы оставаться вне поля зрения корпоративной безопасности. Кроме того, в отчете говорится о тех видах кибератак, которые корпоративные ИТ и специалисты по безопасности считают самой большой угрозой для своих организаций.

Криптомайнеры остаются незамеченными в сети: в 2018 году криптомайнеры поразили в 10 раз больше компаний, чем программы-вымогатели, однако только один из пяти ИТ-специалистов по безопасности знали о заражении сетей своих компаний вредоносными программами. В 2018 году 37% компаний по всему миру подверглись атакам криптомайнеров, а 20% компаний продолжают сталкиваться с этим каждую неделю, несмотря на снижение стоимости криптовалюты на 80%.

Организации недооценивают риск угрозы криптомайнеров: только 16% опрошенных назвали криптомайнинг самой большой угрозой организации. Это очень низкий показатель по сравнению с DDoS-атаками (их назвали 34% опрошенных), утечкой данных (53%), программами-вымогателями (54%), и фишингом (66%). Такие результаты говорят о том, что криптомайнеры могут легко оставаться незамеченными, чтобы загружать и запускать другие типы вредоносных программ.

Вредоносные программы по подписке набирают популярность: партнерская программа GandCrab Ransomware-as-a-Service доказала, что даже дилетанты теперь могут получать прибыль от кибервымогательства. Подписчики сохраняют до 60% выкупа, собранного с жертв, а разработчики программы — 40%. В настоящее время у GandCrab более 80 активных «филиалов», и в течение двух месяцев 2018 года они атаковали более 50 тыс. жертв и потребовали от 300 тыс. до 600 тыс. долл. выкупа.

Банк развития Республики Беларусь перевел свою инфраструктуру виртуализации с платформы VMware на открытые технологии Red Hat Virtualization, устранив зависимость от проприетарных решений, сократив затраты и заложив фундамент для развития цифровых технологий и услуг нового поколения.

С момента своего основания в 2011 году банк использовал построенную с нуля ИТ-инфраструктуру на основе проприетарных технологий виртуализации серверов. Однако с расширением операционной деятельности руководство пришло к пониманию, что организации нужен новый подход к построению корпоративной ИТ-системы. Его применение позволило бы лучше удовлетворять потребности клиентов при сокращении затрат и более эффективном использовании ИТ-ресурсов. С этой целью банк принял решение перейти на открытые технологии виртуализации, которые сочетали бы привычный для корпоративных заказчиков уровень зрелости со свободой и инновациями, необходимыми для апробации новейших технологий. Опираясь на собственный опыт использования Red Hat Enterprise Linux, банк перешел к использованию платформы Red Hat Virtualization в качестве единой среды для своих внутренних ИТ-сервисов, обеспечивающих как текущую операционную деятельность, так и решение ситуативных аналитических задач.

Благодаря реализованному проекту удалось снизить совокупную стоимость владения виртуализированной ИТ-средой за счет подписной модели ценообразования по сравнению традиционными схемами лицензирования с высокими первоначальными вложениями. Полученная в результате экономия дала возможность эффективнее распределять средства и гибко выбирать направления для IT-инвестиций в ответ на изменения рыночной ситуации и требований обслуживания клиентов. Кроме того, стандартизация корпоративных ИТ-систем на платформе Red Hat дала дополнительные преимущества.