Ежедневные новости

Аналитики IDC называют мобильными тех работников, которых компания снабжает мобильными устройствами (смартфонами, планшетами и т. д.), необходимыми им в процессе работы. Число таких работников в США непрерывно растет. В 2020 году их было 78,5 млн, а к 2024 году их число вырастет до 93,5 млн — что составляет почти 60% занятого населения.

Мобильных работников аналитики делят на две категории. Информационные мобильные работники работают, как правило, на своем рабочем месте и занимаются созданием, редактированием и распространением данных или контента. Это программисты, бизнес-аналитики, бухгалтеры и т. д. К другой категории относятся рядовые работники, занимающиеся непосредственным взаимодействием с клиентами или эксплуатационной деятельностью. Их среди работающего населения США большинство (57%), но только 49% из них компании выдают мобильные устройства, тогда как среди информационных работников доля мобильных составляет 55%. При этом количество информационных работников будет расти быстрее, в основном потому, что на эту категорию меньше влияет пандемия COVID-19, а также за счет перехода в нее сотрудников, работающих дистанционно.

Свою карьеру Лабутин начал с проектов построения хранилищ данных. С 2010 до августа 2020 года он работал в Тинькофф банке, где занимался развитием хранилища данных, платформами по обработке больших данных и созданием платформы для сервисов машинного обучения.

В Росбанке перед Лабутиным будут стоять задачи выстраивания культуры работы с данными, развития платформы и сервисов по обработке и анализу данных, в том числе на базе машинного обучения, а также обеспечения процессов контроля качества и управления данным и построения платформы для решений с использованием искусственного интеллекта.

Как отметил председатель правления Росбанка Илья Поляков, работа с данными является одним из основополагающих элементов стратегии развития группы. При этом имеется в виду именно культура принятия решений, основанных на данных, и это не только Big Data, машинное обучение и искусственный интеллект, это и Small Data, которая содержит в себе важные инсайты для принятия правильных управленческих решений. Усиление направления по работе с данными позволит банку создавать более персонализированное продуктовое предложение, повышать скорость и качество отклика и на более глубоком уровне совершенствовать сервис.

Созданное решение позволяет оптимизировать трудозатраты на подготовку среднесрочного плана реализации и отчетности выполнения ПИР, время на сбор и верификацию данных, а также обеспечивает централизованный сбор и хранение информации. В рамках проекта специалисты «РАМАКС Интернейшнл» разработали модуль автоматизированного сбора, верификации, консолидации и подготовки данных для формирования среднесрочного плана ПИР и модуль подготовки отчетности об исполнении программы и расширенной оперативной отчетности по группе «Аэрофлот».

Решение было интегрировано с системой оперативного учета, производственными системами, системой планирования и бюджетирования. Учитывая тот факт, что существенная часть ИТ-инфраструктуры «Аэрофлота» реализована на базе решений конкретных вендоров, в архитектуре были использованы возможности уже эксплуатируемых продуктов. Это позитивно сказалось на интеграции и настройке системы мониторинга, а также сроках работ.

Как отметил советник генерального директора «Аэрофлота» по инновационному развитию Андрей Полозов-Яблонский, в планах компании повысить показатель качества реализации программы инновационного развития на 2%. Кроме того, ожидается существенное сокращение объемов ручного труда в процессе формирования планов и отчетов.

Весной промышленные предприятия, как и многие другие организации, перевели часть сотрудников на удаленный режим работы, что стало своего рода проверкой того, насколько хорошо в компании организованы процессы кибербезопасности.

Говоря о том, какие изменения произошли в индустрии с точки зрения кибербезопасности, многие опрошенные сообщили о расширении возможностей по внедрению удаленного формата работы, который стал более востребованным и распространенным. Также они выражали мнение, что стала очевидна необходимость разрабатывать или улучшать протоколы безопасной дистанционной работы на случай форс-мажорных обстоятельств.

В частности, рост числа удаленных работников привел к увеличению нежелательных сканирований сети. Администраторы, отслеживающие аномалии в промышленных сетях, зафиксировали огромное количество сетевых сканирований, возникающих при подключении сотрудников к корпоративным сетям через VPN с домашних устройств. Личные компьютеры обычно защищены хуже, чем корпоративные, поэтому они представляют собой удобные точки для несанкционированного входа и открывают широкие возможности для злоумышленников.

Тенденции, которые отметили российские эксперты, схожи с мировыми. Пандемия с высокой долей вероятности внесет изменения в приоритеты промышленных предприятий с точки зрения кибербезопасности, ведь она оказалась своего рода лакмусовой бумажкой и наглядно показала возможные риски для предприятий. Новой реальностью становится удаленный формат работы в тех областях, где это возможно, в связи с чем возникает необходимость пересмотреть процедуры кибербезопасности и разработать новые сценарии.

С момента старта проекта цифровой трансформации лесопромышленной компании прошел ровно год. За это время были автоматизированы управляющая компания, ОЦО в Кирове и одна из крупнейших производственных площадок – ООО «Вятский фанерный комбинат». Осенью система заработает на предприятиях «Сегежская упаковка», «Сегежский ЦБК» и в филиалах. Проект охватывает более 10 географических локаций и разнообразные типы производства: лесозаготовка, производство целлюлозы и бумаги, бумажной упаковки, фанеры и пиломатериалов. В архитектуре предусмотрена интеграция с множеством систем: управлением кадрами, документооборотом, MES на уровне цехов и производств.

Интенсивное развитие в последние годы привело к значительному усложнению бизнес-модели группы, производственных цепочек и транспортных сетей, росту объемов и ассортимента продукции. В новых условиях SAP S/4HANA помогает компании планировать и моделировать бизнес-сценарии и своевременно принимать важные управленческие решения, усиливая конкурентные преимущества. В настоящее время процессы управления производством, качеством, снабжением и запасами, складами, ремонтом, сбытом и транспортировкой в Segezha Group объединены на базе единой платформы. Доступ к информации со всех производственных участков осуществляется через удобный интерфейс, доступный на любых устройствах, включая планшеты и смартфоны.

На уровне менеджмента Segezha Group создано решение по финансовому планированию и бюджетированию, консолидированной управленческой и МСФО отчетности, а также по централизованному управлению денежными средствами для всех предприятий. Ключевым элементом для финансов стала SAP Central Finance, позволяющая в режиме реального времени получать всю первичную информацию.

Система управления производством позволит решить задачи календарного планирования и оптимизации производства бумаги и упаковки, заранее рассчитать будущие затраты и себестоимость продукции по переделам, оценить прибыльность продуктового портфеля. Процесс управления продажами интегрирован с бизнес- и производственным планированием. Разработан общий справочник полуфабрикатов и готовой продукции под индивидуальный заказ. Сформированы единая база клиентов, база НСИ по оборудованию и регламентам обслуживания, включая номенклатуру запасных частей.

В дальнейших планах Segezha Group – тиражирование решения на все предприятия группы, цифровая трансформация в области интегрированного бизнес-планирования и электронной коммерции, развитие системы по управлению персоналом, промышленной безопасностью, охраной труда и экологией.

Тверской вагоностроительный завод завершил проект внедрения RFID-системы мониторинга и отслеживания процесса производства. Она призвана обеспечить автоматический мониторинг и прослеживание технологического маршрута процесса крупно-узловой сборки тележек и пассажирских и почтовых вагонов и полностью покрыла технологический процесс сборки от сварки рамы кузова до выхода готового вагона.

Отслеживание технологического маршрута начинается в рамно-кузовном цеху со сварки рамы и кузова. Здесь на кузов вагона крепится UHF RFID-метка SMARTRAC Frog 3D, в которую с помощью настольных считывателей Nordic ID Sampo записывается уникальный идентификатор и программным обеспечением ITProject Tracking System привязывается к записи в базе данных. Специально для этого проекта в компании «Силтэк» был разработан и произведен защитный корпус-бирка с разъемным хомутом для RFID-метки, прикрепляемой к кузову вагона. Такое решение позволило защитить метку от возможных повреждений во время ее миграции по технологическому маршруту, выдерживая грунтовку, окраску, сушку и т.п., и исключить необходимость ее снимать.

После сборки готовый кузов будущего вагона отправляется в следующий цех для грунтовки и окраски, а затем дальше по технологической цепочке. Прежде, чем вагон будет готов, он должен пройти несколько производственных этапов. RFID-система фиксирует перемещение тележек и вагонов по технологическому маршруту, отклонения от технологического маршрута и время пребывания на каждом этапе производственной цепочки, благодаря 89-ти стационарным UHF RFID-считывателям Impinj Speedway Revolution R420, установленным на входах-выходах в производственные помещения и на технологических постах. Там, где физически нет возможности поставить стационарные считыватели, на заводе используют ручные мобильные UHF RFID считыватели Chainway C72. Собираемая информация обрабатывается и в виде аналитических дашбордов или отчетов выводится на монитор диспетчера. Любое отклонение от маршрута, автоматически регистрируется системой.

Компания SAS провела исследование, в результате которого выяснилось, насколько неоднозначно воспринимается одна из самых значимых  технологий современности – искусственный интеллект. Видение всей широты взглядов по этому вопросу необходимо, чтобы устранить неопределенность и внести ясность, что такое ИИ, каковы его возможности, какие сложности необходимо преодолеть для его эффективного использования и как он способен изменить мир.

Сегодня решения на основе ИИ окружают нас повсюду: они используются в смартфонах, управляют голосовыми помощниками, формируют новостные ленты в соцсетях и направляют автомобили по нужным маршрутам. ИИ называют новым электричеством, но при этом он все равно остается не до конца оцененной и недостаточно эффективно используемой технологией современности. Отчасти это связано с ассоциациями, пришедшими из научной фантастики, отчасти – из-за недопонимания терминов «машинное обучение» и «глубинное обучение». В результате позиционирование и восприятие ИИ балансирует между двумя крайностями: его преподносят либо как источник безграничных возможностей, либо как угрозу и конкурента самим людям на рынке труда.

Чтобы отчетливее увидеть, как воспринимается ИИ, было собрано 12 фокус-групп. Каждый респондент был отобран независимым исследовательским агентством Roots Research и принадлежал к одной из пяти упомянутых ниже категорий: студенты, дата-сайентисты, ученые, бизнес-лидеры и технические директора. Исследование показало, что ни одна категория респондентов не дала четкого ответа на вопрос, что такое ИИ – все так или иначе от него уходили. Предлагались самые разные интерпретации: участники описывали широкий спектр технологий, в том числе таких, которые не имеют отношения к реальному ИИ.

Единственной группой, которая попыталась определить в ходе дискуссии, что же такое ИИ, были ученые, но даже они не достигли единогласия по поводу удовлетворительного определения. На удивление широкий разброс мнений оказался даже в группе дата-сайентистов, которые, казалось бы, должны быстрее находить общие точки зрения, поскольку работают с ИИ на практике. Однако и в этой категории были приверженцы самых разных мнений: для одних ИИ – это инструмент для анализа данных и принятия решений, для других – средство автоматизации, в перспективе способное вытеснить человека. Еще большая неоднородность мнений была в других категориях, но в целом наблюдалась следующая закономерность: чем большим опытом и знаниями в вопросе технологий обладает респондент, тем меньше он испытывает опасений по поводу ИИ.

Отсутствие единогласия касательно определения ИИ позволило сделать вывод, что необходимы детальные обсуждения перед запуском любого ИИ-проекта. Размытость значения термина «искусственный интеллект» создает вызовы для разработчиков, организаций и даже пользователей, и без четких объяснений он может восприниматься как угодно – от панацеи до угрозы.

По итогам исследования был сделан еще один важный вывод: решение ИИ-головоломки, вероятно, заключается в том, что нужно прекратить искать всеобъемлющие определения.  ИИ может соотноситься с широким спектром различных технологий и примеров практического применения, и его следует определять дифференцированно в каждом конкретном случае для каждого конкретного проекта. Признать, что та или иная ИИ-система состоит из тех или иных компонентов, честно и прозрачно донести это до аудитории – единственный путь избежать иррациональных страхов и завышенных ожиданий от ИИ.

Несмотря на разногласия по поводу того, что из себя представляет ИИ, во всех группах наблюдалось сильное воодушевление насчет его возможностей.  Почти все участники уверены в положительном влиянии ИИ на экономику и считают, что он позволит повысить производительность. Респонденты из категорий дата-сайентистов и бизнес-лидеров говорили об этом, опираясь на собственный опыт. В частности, многие приводили примеры того, как ИИ уже сейчас избавляет сотрудников от рутинной монотонной работы, освобождая время на более важные задачи.

В целом исследование говорит о том, что ИИ, по мнению его участников, ждет светлое будущее, а некоторые отрасли он особенно преобразит – в первую очередь здравоохранение и финансовый сектор. Вместе с тем, бизнес должен коммерчески подходить к использованию ИИ и четко обозначать задачи, которые он хочет решить с его помощью. Добившись таким образом экономического эффекта на проектах с небольшими инвестициями, будет проще убедить руководство высшего звена в необходимости более широкого внедрения.
 

Для выхода на рынок операционного лизинга автомобильного транспорта и расширения бизнеса «СберАвтопарк» запустил проект автоматизации процессов работы с клиентами. В число основных задач проекта вошли автоматизация каждого этапа взаимодействия с клиентами, стандартизация процессов работы менеджера с клиентами, создание централизованной базы клиентов, настройка единого места для работы менеджера. В CRM настроены инструменты для сбора итоговой аналитики в разрезе отдела и каждого сотрудника, установки показателей каждому пользователю системы и сбора данных из внешних источников с помощью коннектора Dadata.

Система позволяет менеджерам работать с клиентом со стадии «холодный» клиент до подписания договора с поэтапным введением данных по формату «скрипта». Новая CRM помогает отслеживать стадии подписания договоров, вести клиента к сделке с помощью всплывающих подсказок. Система показывает, какие обязательные поля нужно заполнить, когда нужно назначить встречу или написать письмо, запланировать любое взаимодействие с клиентом. Быстрая загрузка общедоступных данных по юр. лицам из внешних источников позволяет менеджеру тратить меньше времени на их поиски.

Централизация клиентской базы позволяет не создавать дубли данных и видеть, какой специалист с ними уже работает. Это дает возможность избегать повторного взаимодействия с клиентами и поддерживать базу актуальной. Менеджеру больше не приходится переключаться между программами, благодаря появлению единого окна, включающего управление встречами и активностями, добавление новых контактов после каждой сделки, ведение комментариев по клиенту.

Совокупность настроенных функций помогает сократить время на процесс взаимодействия с клиентами и повышает эффективность каждого сотрудника. В перспективе «СберАвтопарк» планирует внедрение дополнительных инструментов для маркетинговых рассылок и работы клиентского портала с минимальным участием менеджера.

«Олония» специализируется на продаже скоропортящейся фермерской продукции под собственной торговой маркой. Планирование заказа в магазинах сети происходило в полуручном режиме, что приводило либо к упущенным продажам, связанным с недостатком товара, либо к списаниям из-за избыточного запаса скоропортящейся продукции. С открытием новых торговых точек и ростом бизнеса компания решила пересмотреть подход к управлению заказами и оптимизировать его.

В ходе проекта компания подключилась к сервису для работы с заказами «КОРУС | Управление запасами». Модель SaaS позволила максимально быстро интегрировать систему с ИТ-инфраструктурой компании – меньше чем за месяц «Олония» приступила к опытной эксплуатации решения.

После внедрения инструмента компания отметила повышение точности заказов в 3 раза и сокращение объема упущенных продаж на 27%, а при подключения первых 30 магазинов удалось высвободить до 70% рабочего времени закупщиков и перераспределить их функциональные задачи. Облачная инфраструктура позволила быстро масштабировать решение на всю торговую сеть – более 100 магазинов.

Как показывают опросы Gartner, за год количество навыков, которым надо владеть для выполнения одной работы, выросло в среднем на 10%, однако сотрудники применяют на практике только 54% новых освоенных навыков. При этом треть навыков из числа тех, что были нужны три года назад, уже не требуются.

Требования к навыкам сотрудников быстро меняются, а большинство кадровых служб использует не упреждающий, а пассивный подход к обучению сотрудников, отмечают аналитики. Поэтому сотрудникам зачастую негде применить новые навыки. Однако при упреждающем подходе ситуация оказывается еще хуже — прогнозы оказываются неверными и сотрудникам удается применить лишь 37% новых навыков.

Эффективнее всего работает динамический подход. С его помощью кадровая служба может увидеть изменения требований к навыкам в реальном времени, развить навыки к нужному моменту и дать сотрудникам возможность динамически принимать информированные решения в области навыков. Внутри компании организуются сети заинтересованных лиц, знающих, какие навыки требуются и имеющих право принимать меры в этой области. Для ускорения освоения используются новые методы, выходящие за пределы традиционного обучения в классах и через сайты, а для сотрудников открываются каналы для обмена информацией о требующихся навыках, что позволяет лучше подобрать кадры для решения стоящие перед компанией задач.