Новости

В портфеле «СберУниверситета» более 500 образовательных решений. Компании было необходимо сделать расчет стоимости образовательных программ ясным, легким и понятным для всех пользователей. Также были важны скорость процессов, возможность моделирования и интеграции данных в другие процессы. Для реализации этих задач привлекли специалистов «Корус Консалтинг», которые смоделировали процесс расчета себестоимости на платформе Optimacros. В ходе проекта настроили формы и алгоритмы расчета детальных смет на основе количественных показателей и тарифов, сформировали отчеты и дэшборды для анализа и визуализации данных, а также настроили печатные формы.

Специалисты «СберУниверситета» перенесли в систему фактические данные, необходимые для расчета стоимости программ и план-факт анализа. Решение прошло опытную эксплуатацию на реальных данных, содержащих информацию обо всех утверждённых на 2023 год программах.

В результате первого этапа проекта компания получила единое централизованное хранилище финансовых параметров образовательных программ. Пользователи с различными ролями и уровнями доступа могут работать в общем информационном пространстве и гибко управлять ценообразованием на программы обучения. Появилась возможность создавать несколько вариантов стоимости одной программы с разными параметрами (место проведения, способ реализации) и видеть в режиме реального времени их влияние на финансовые показатели компании.

Кроме того, уменьшилось количество ручных операций: отчеты формируются автоматически при заведении первичных данных и конвертируются в форматы MS Word и Excel из Optimacros. Финансовая служба «СберУниверситета» теперь может в режиме реального времени рассчитывать затраты по нескольким версиям плана обучения, анализировать затраты по статьям расходов и принимать обоснованные управленческие решения.

По результатам проведенных интервью экспертами «Рексофт Консалтинг» были выделены пять ключевых областей, в которых сосредоточены основные трудности, не позволяющие эффективно внедрять ИИ-решения в российских компаниях:

• Взаимодействие Data-специалистов с бизнес-заказчиком
• Данные
• Управление разработкой и технологии
• Передача в эксплуатацию и поддержка ИИ-решений
• Поиск, удержание и развитие Data Science специалистов.

Среди наиболее частых причин возникновения трудностей при взаимодействии data-специалистов с бизнес-заказчиком называются такие как завышенные ожидания бизнеса, нежелание бизнеса трансформироваться и неадаптированная корпоративная культура. Наиболее остро они проявляются в случае, если бизнес инвестирует в ИИ, но не достигает эффекта и испытывает затруднения с приживаемостью решений. Для их успешного внедрения бизнес-заказчикам необходимо быть готовыми трансформировать свою операционную модель.

В блоке данные фигурируют такие корневые причины, как недостаточный уровень автоматизации бизнес-процессов, низкий уровень зрелости инфраструктуры данных, низкое качество исходных данных и длительный процесс их получения, неадаптированные для цифровых решений на базе ИИ процессы сбора и управления данными. Трудности, связанные с данными, всегда охватывают не только ИИ-разработку, но и всю компанию из-за отсутствия единых требований и настроенных процессов. Проблематика в части данных характеризуется тезисом «новые проблемы, старые решения» – прежде чем приступать к Data Science, необходимо отладить и адаптировать процессы, связанные с управлением данными.

Технологический стек для разработки решений на базе ИИ постоянно меняется и развивается. Здесь data-специалисты выделяют отсутствие стандартов ИИ-разработки и гибкого подхода при прототипировании ИИ-решений, а также отсутствие сформированного подхода к работе с внешними разработчиками ИИ-решений.

В сегменте передачи в эксплуатацию и поддержки ИИ-решений специалисты отмечают отсутствие выстроенного процесса передачи в эксплуатацию и четких критериев приемки решений, а также то, что подходы ИБ не адаптированы к внедрению решений ИИ и оценке его рисков. Для минимизации барьеров, с которыми сталкиваются компании при масштабировании пилотных ИИ-решений, необходимо заранее договариваться о критериях успеха и продумывать модель поддержки. Критически важно до старта проекта определить и согласовать подход к оценке экономического эффекта со всеми заинтересованными сторонами, а также выстроить долгосрочную систему мотивации вовлеченных сотрудников, чтобы избежать трудностей с приживаемостью решений.

Особенную озабоченность у опрошенных экспертов вызывает задача поиска, удержания и развития специалистов Data Science. Существующие во многих российских компаниях HR-процессы поиска, найма, адаптации и удержания персонала не адаптированы для data-специалистов. Недостаток так называемых Т-shape специалистов, имеющих широту знаний и дополнительные навыки в смежных сферах, обостряет разрыв между бизнесом и Data Science. HR в сложившейся ситуации не понимает, как развивать последних и адаптировать первых. Организационные структуры и функционально-ролевые модели ИТ во многих российских компаниях не успели адаптироваться к системному внедрению решений на базе ИИ, что размывает распределение ответственности и роль Data-специалистов.

Интеллектуальный бот-суфлер, внедренный в «Петровиче» работает параллельно с оператором в звонках в рамках тематики по оформлению новых заказов и позволяет сократить процесс работы с адресом с 77 до 25 секунд. Бот подключается к диалогу с клиентом после вопроса о доставке, распознает в потоке речи адрес доставки, нормализует его, вносит адрес в анкету, обозначает координаты на карте и передает информацию в «1С». 73% сотрудников компании оценивают сервис положительно и удовлетворены взаимодействием с суфлером. Ранее операторам приходилось самостоятельно распознавать и заводить адрес, переключаться между окнами для проверки адреса и поиска точки на карте, а также вручную передавать данные в систему.

При этом бот не заметен для клиента в разговоре − он забирает на себя внутренний процесс работы оператора и помогает ускорять решение задачи в диалоге, не лишая клиента личного общения с представителем компании. Также, в рамках комплексного развития технологического стека контакт-центра, бот помогает снижать среднее время обслуживания клиента.

На данный момент робот помогает в 64% звонков о доставке. В остальных случаях оператор может выбрать самостоятельно: ввести адрес, отметить точку через решение Яндекс.Карты, интегрированное в анкету, или сверить с точками доставки − списком всех адресов доставки клиенту за последние 4 месяца.

Как отмечает Екатерина Качмар, менеджер продукта «Суфлер» СТД «Петрович», решение показало значимые результаты в зоне работы с адресом и в перспективе позволит решать более сложные задачи. В планах масштабирование технологии на другие проекты, где бот мог бы помогать операторам не только с распознаванием адреса доставки – например, синхронизация бота с базой знаний для демонстрации подсказок при подборе товаров или на линии службы поддержки клиента.

Достойная оплата труда окончательно превратилась из преимущества в «гигиенический минимум». Чтобы сотрудники были лояльными компании и показывали максимум производительности, сегодня необходимы бережное отношение к персоналу, своевременная поддержка и элементарная благодарность за проделанную работу.

48% компаний признают: за последний год эффективность финансовой мотивации сотрудников изменилась не в лучшую сторону – деньги перестали стимулировать рост производительности труда. 40% компаний пока не заметили изменений, а еще 12% затруднились ответить. Премии, бонусы, рост зарплат и прочие финансовые стимулы всегда были оптимальным способом не только для привлечения и удержания, но и для роста продуктивности сотрудников. В условиях дефицита кадров повышение производительности труда при сохранении штата превратилось в приоритетную задачу – и бизнес обратился к понятному и «надежному» инструменту, к деньгам. Однако в этот раз он не сработал. Феноменальный тренд заставил работодателей искать новые стимулы для персонала.

Как отмечают эксперты, события последних трех лет, напряженный эмоциональный фон, а также постоянный рост нагрузки на работе приводят к тотальной усталости, и в этот момент для мотивации нужно что-то большее, чем деньги. Острый кадровый голод, сложная экономическая и политическая ситуация требуют от руководителей нового подхода к мотивации и управлению персоналом. Наблюдения показывают, что работники хотят не только материального вознаграждения. Им важно чувствовать свою значимость для команды, быть вовлеченными в процесс принятия решений и видеть результаты своего труда. Такой подход поможет не только удержать персонал, но и повысить его производительность.

Так, 87% опрошенных UTEAM работодателей признают, что активнее и эффективнее вовлекать сотрудников в работу помогает публичное признание заслуг топ-менеджментом и коллегами внутри компании, а также поощрение лучших проектов. Кроме того, 82% отметили прямое влияние уважительного отношения со стороны руководства и комфортной атмосферы в коллективе, а 79% выделили признание профессионального сообщества через публичные выступления и публикации в корпоративных и профильных СМИ, через участие в отраслевых мероприятиях и привлечение к наставничеству.

Помимо этого, 73% работодателей уверены, что в развитии мотивации помогают командообразующие мероприятия, причем как профессиональные тренинги, так и неформальные встречи вне офиса. Так коллектив лучше узнает друг друга и может быстрее сплотиться вокруг общих целей. Также важную роль в повышении продуктивности играют комфортные и современные условия труда, корректная обратная связь от непосредственного руководителя, забота о ментальном и физическом здоровье.

Совместная команда «Краснодартеплоэнерго» и «Русатом Инфраструктурные решения» разворачивает программные модули «Центральная панель», «Заявки», «Обходчик-контролер» для построения цифрового двойника наиболее важных бизнес-процессов предприятия.

Платформа «Цифровое ресурсоснабжение» создана для коммунальных предприятий и апробирована в части своей эффективности на реальных объектах. Уже сейчас, внедряя данную платформу в пробном режиме, «Краснодартеплоэнерго» видит, насколько эффективно загружен ремонтный и обслуживающий персонал. Постановка задач выполняется без необходимости вызова специалиста в офис, задачи ставятся в электронном виде, что экономит уже сейчас до 10% рабочего времени. В дальнейшем модули позволят повысить производительность труда как минимум на 40%, сократить сроки выявления и устранения аварий на 30%, повысить энергетическую эффективность работы объектов до 10%. Работы будут завершены до конца 2024 года.

Внедрение системы «Цифровое теплоснабжение» – часть большого комплекса работ по цифровизации городского хозяйства. «Краснодартеплоэнерго» – это более 573 км тепловых сетей, около 1 тыс. сотрудников и более 200 технологических объектов в эксплуатации. Для поддержания высокого качества обслуживания и оптимизации управления нужны современные цифровые инструменты и единое информационное пространство.

Последние два года предприятие активно работает над повышением эффективности, модернизируя активы, устанавливая новое автоматизированное оборудование на теплоисточниках, центральных тепловых пунктах. Также огромное внимание уделяется установке приборов учета как на технологических объектах, так и у потребителей тепла. Эти проекты уже сейчас приносят пользу в виде экономии топливно-энергетических ресурсов, но потенциал для получения дополнительных эффектов еще есть. Поэтому в 2023 году была разработана дорожная карта цифровой трансформации, которая позволит повысить эффективность всех основных бизнес-процессов предприятия за счет применения цифровых технологий.

Новый метод позволяет пользователям экономить время, затрачиваемое на составление конкретной корзины, а также напомнит купить товар, про который пользователь мог забыть. Бизнесу же использование алгоритма поможет повысить удовлетворенность клиентов, увеличить конверсию в покупку и простимулировать рост среднего чека.

Алгоритм TAIW более точно предсказывает, какие товары клиенту потребуются в ближайшем будущем с учетом точного момента покупки. Он учитывает не только состав предыдущих покупок конкретного человека и схожих по профилю пользователей, но и анализирует точное время приобретения конкретных товаров в прошлом и периодичность покупок, выявляет взаимосвязи между приобретением товаров из разных категорий. Это помогает сделать рекомендации максимально персонализированными, что особенно важно в случае нетипичных паттернов поведения отдельных клиентов.

Человек может покупать какой-то товар с уникальной частотой: например, устраивать себе «разгрузочный день» с определенным продуктом в субботу каждой третьей недели месяца. В остальное время рекомендации этого продукта или схожих товаров не актуальны для пользователя, несмотря на то что он неоднократно покупал их раньше. Ранее эти данные редко учитывались рекомендательными системами.

Исследователи провели эксперименты на реальных данных: в частности, использовали датасет онлайн-площадки Taobao, которая входит в Alibaba Group. В результате экспериментов TAIW стал самым эффективным методом среди аналогов в задаче next basket recommendation (NBR) за счет более точного ранжирования товаров на основе их актуальности в конкретный момент времени. Согласно результатам экспериментов, алгоритм повышает точность рекомендательной системы до 8%.

Это позволяет пользователям получать более персонализированные рекомендации, тратить меньше времени на контроль домашних запасов и выбор новых товаров. TAIW заранее знает, через какое время у пользователя закончатся продукты, и предложит ему купить их в нужный момент.

Чем алгоритм отличается от других методов

Специалисты в области искусственного интеллекта уже долгое время работают над улучшением рекомендаций для интернет-торговли. Чтобы предсказать повторные покупки, часто используются такие методы, как цепи Маркова и рекуррентные нейронные сети. Однако эти инструменты не всегда позволяют корректно учесть при прогнозировании частоту покупки, которая не только различается у разных товаров, но также бывает индивидуальна для разных пользователей.

Алгоритм TAIW состоит из двух модулей: «Повторная покупка» и «Соседство». Модуль «Повторная покупка» работает на основе процесса Хоукса — статистической модели, которая позволяет понять временные закономерности и зависимости между событиями. Так алгоритм определяет, какие товары покупал пользователь, как часто и когда была совершена последняя покупка. Этот модуль помогает определить, когда конкретные товары будут наиболее актуальными для конкретного покупателя. Модуль «Соседство» помогает описать привычки пользователей с похожими предпочтениями. Эти данные используются, чтобы обеспечить более разнообразные рекомендации для конкретного человека.

Рекомендательные алгоритмы, — одно из главных направлений, где уже разворачивается конкурентная борьба ретейлеров, которая будет становиться все более серьезной в ближайшие годы. Для пользователей растет число похожих вариантов для покупки, и процесс выбора становится все более затруднительным. Продавцам также становится все сложнее привлечь и удержать внимание покупателей. Когда пользователи сталкиваются с огромным выбором товаров, алгоритмы рекомендаций становятся персональными помощниками, предлагая подходящие варианты и сокращая временные затраты на поиск.

Проект, реализованный в «Юнилевер Русь», заключался в локализации ИТ-инфраструктуры, что позволило сохранить устойчивость компании в турбулентное время. В ходе работ была решена задача по перестройке ИТ-ландшафта и поиску импортозамещающих аналогов для корпоративного хранилища данных и системы BI.

Ранее в качестве системы бизнес-анализа «Юнилевер Русь» использовала решение зарубежного вендора через публичное облако, в нtм работало более 1 тыс. пользователей. Для поддержания непрерывности бизнес-процессов нужно было перенести этот функционал на локальное решение, причtм в сжатые сроки и параллельно с другими процессами по перезапуску ИТ-ландшафта компании.

В настоящий момент в инфраструктуре «Юнилевер Русь» внедрены Arenadata DB (для основного хранилища данных), Arenadata QuickMarts (для витрин данных), Arenadata Hadoop (для хранения неструктурированных данных), Arenadata Postgres (для транзакционных задач) и Arenadata Catalog (для ведения каталога данных и корпоративного бизнес-глоссария).

Внедрение решений Arenadata в рамках проекта шло параллельно с другими процессами и зависело от миграций многочисленных систем-источников и систем-приемников. Фактически производился переезд не только аналитической платформы, но и всего ИТ-ландшафта. Все проекты важно было синхронизировать в рамках единой комплексной архитектуры и таймлайна реализации.

По итогам первого этапа внедрения обеспечено создание MVP новой системы, которая передана в промышленную эксплуатацию. Сейчас завершается работа по второму этапу, он предусматривает интеграцию с несколькими источниками второго приоритета (около 10 систем-источников). Одновременно с этим идет миграция и реализация новой функциональности по отчетам и дашбордам.

Как отмечает Юрий Близгарев, генеральный директор компании «Решения для будущего», группа компаний «Юнилевер Русь», именно создание полноценного хранилища данных позволит компании в будущем реализовать продвинутые инструменты аналитики. BI-разработчики и аналитики могут сами создавать отчеты и публиковать их для большого числа бизнес-пользователей, так что постепенно на новую платформу мигрирует значительная часть отчетов и дашбордов.

«Юнилевер Русь» полностью управляет решением и собственными аналитическими процессами. Бизнес-подразделениям предоставлены «песочницы» и все необходимое для self-service BI. Это позволит существенно сократить время для разработки и внедрения новой функциональности в будущем.

В FM Logistic для автоматизации целеполагания использовали иностранное ПО, доступ к которому сейчас ограничен вендором. Руководство приняло решение заменить систему отечественным аналогом. Важно было выполнить проект быстро и с минимальными трудозатратами. С этим запросом компания обратилась к экспертам «Корус Консалтинг», которые ранее успешно запустили в FM Logistic корпоративный портал K-Team на базе «Битрикс24». Специалисты внедрили готовый модуль «Целеполагание и KPI» в корпоративный портал, что позволило в три раза сократить сроки проекта по сравнению с созданием идентичной функциональности с нуля.

Команда проекта собрала требования к процессу целеполагания и разработала итоговую концепцию с учетом особенностей FM Logistic. Готовый модуль адаптировали в части процесса постановки и согласования целей, автоматизировали внесение плановых значений по единым целям для компании, а также настроили гибкую ролевую модель с учетом распределения HR-специалистов на несколько бизнес-юнитов компании. Теперь сотрудники могут создавать и редактировать свои цели, а руководители и HR оценивать их выполнение по конкретному показателю, подразделению или периоду. В модуле можно сформировать отчёты по целям, чтобы принять решение о премировании.

В результате внедрения сократилось время на создание карт целей сотрудников. Раньше сотрудники формировали карты вручную, что занимало около двух часов, теперь все происходит автоматически, нажатием одной кнопки. Пользователи в режиме «одного окна» могут просматривать цели на портале, к дизайну и функциональности которого уже привыкли.

В будущем компания планирует адаптировать интранет под мобильную версию, а также внедрить новый модуль для оценки компетенций и создания индивидуального плана развития сотрудников.

Соглашение, подписанное АВТОТОР, предусматривает поэтапное внедрение программного обеспечения «Галактика» в целях повышения уровня цифровизации процессов управления производством, промышленными активами и корпоративными ресурсами. Проект направлен на расширение применения отечественных сервисов и платформенных решений, а также на импортозамещение существующих программно-аппаратных комплексов.

Создание комплексной ИТ-экосистемы позволит одному из ведущих российских автопроизводителей повысить эффективность управления производственными и бизнес-процессами при реализации стратегически важных инвестиционных проектов, направленных на обеспечение выпуска высококачественных автомобилей, повышение производительности труда, создание дополнительных высококвалифицированных рабочих мест, а также освоение передовых профессиональных компетенций.

Планируемый объем инвестиций в проект составит около 700 млн руб. АВТОТОР также планирует создать центр компетенции по отраслевому решению для автомобилестроения на базе цифровых продуктов корпорации «Галактика».

Офисные приложения в РСХБ занимают ключевое место, так как ежедневно сотрудники банка работают с огромным количеством документов. Примерный документооборот составляет около 40 млн листов в год. Возможность продолжить работу немедленно и без потерь была крайне важна в период, когда зарубежные поставщики ПО заявили об уходе из страны.

При выборе подходящего программного обеспечения специалисты РСХБ ориентировались на два основных параметра: наличие общепризнанного формата документов и простоту перехода на новое решение.

Внедрение «Р7-Офис» проводилось поэтапно. В 2021 году было проведено пилотное развертывание ПО, в 2022 году началось полноценное тестирование, а в 2023 году стартовало промышленное масштабирование. На сегодня банк завершил перевод всех сотрудников на «Р7-Офис».

На ближайшие годы один из векторов дальнейшего развития в РСХБ определяют как «усиление интенсивности» импортозамещения. Помимо перехода на российские офисные пакеты, банк планирует внедрить российские операционные системы, системы управления базами данных, а также системы виртуализации.