Ежедневные новости

Для сбора данных о продажах через несколько десятков дистрибьюторов и бизнес-анализа полученной информации российскому подразделению Schneider Electric требовалось современное комплексное решение. До запуска проекта данные запрашивались у партнеров в формате Excel заданного вида, после чего обрабатывались в ручном режиме. Данный процесс был крайне трудозатратен и содержал большое количество неточностей.

Переход на платформенные и инфраструктурные сервисы Oracle Cloud позволил реализовать оптимальную архитектуру корпоративного класса при низкой общей стоимости владения. Интеграция данных осуществляется с помощью Oracle Data Integrator Enterprise Edition, для организации высокопроизводительного хранилища и аналитики задействуются облачные сервисы Oracle Database Cloud Service.

В результате реализации проекта более 90% всех данных собираются и обрабатываются теперь в автоматическом режиме. Это позволило радикально снизить количество ошибок при сборе данных, устранить трудоемкий процесс консолидации данных вручную и повысить оперативность и точность, что способствовало принятию более обоснованных управленческих решений.

В едином хранилище консолидируются сведения о дистрибьюторах и клиентах, вторичных продажах и уровне склада. Уполномоченные сотрудники Schneider Electric могут просматривать необходимые им срезы информации при помощи предварительно настроенных информационных панелей и отчетов. В режиме самообслуживания пользователи могут легко формировать индивидуальные отчеты и проводить расширенный анализ данных.

Программа была разработана Центром проектов и практик CDO Московского политехнического университета, созданного совместно с Агентством стратегических инициатив и Университетом 20.35. Слушателями образовательной программы стали 68 сотрудников Департамента ИТ города Москвы, руководителей органов государственной власти и вузов Ярославской области, представители федеральных министерств и магистранты вузов.

Слушатели образовательной программы учились в интенсивном режиме – в течение 2,5 месяцев они освоили свыше 250 часов аудиторных и дистанционных занятий по трем ключевым трекам:

• Технологическом, в рамках которого изучали технологии управления, основанного на данных, методы искусственного интеллекта, математической статистики, машинного обучения и визуализации данных.
• Экспертном, в рамках которого действующие аналитики больших данных, директора по управлению данными (CDO) компаний Сбербанк, Ростелеком и других делились реальными кейсами и своими наработками.
• Проектном, в рамках которого слушатели под руководством опытных модераторов из Агентства стратегического проектирования формулировали реальные задачи из своей рабочей практики, разрабатывали датасеты, технические задания и вместе со студентами – прототипы будущих сервисов.

По итогам обучения слушатели создали чат-бота для консультации граждан по вопросам получения госуслуг, составили тепловые карты на основе анализа данных преступной активности, разработали систему автоматической классификации обращений на портале mos.ru, прототип сервиса для сопоставления данных, поступающих в кадастровую службу Ярославской области и другие проекты.

Особенностью пилотной программы стало большое количество партнеров. Для проведения дистанционных блоков использовались курсы SkillFactory, для проведения отдельных модулей Московский Политех сотрудничал с компаниями Visiology и VivaldiAI, Ярославским Политехом и УРФУ.

В 2018 году предприятие опробовало информационную систему на пилотном объекте – бумажной фабрике №3. В ходе того проекта были отработаны функции планирования ТОиР, регистрации и классификации дефектов, сбора данных о техническом состоянии оборудования. Теперь эти функции масштабировали и одновременно развили, перевели на информационную систему три производства – целлюлозы, бумажное и энергетическое.

Год назад в системе ТОиР осуществлялось управление ремонтами и обслуживанием примерно 4 тыс. единиц оборудования комбината. Теперь эта цифра увеличена более чем в пять раз, до 22 тыс. В справочники системы введены и описаны около 7 тыс. регламентных работ, а число ее пользователей достигла 300.

Функция планирования ТОиР развита до полноценного объемно-календарного планирования регламентных работ, дополнена возможностью формирования потребности в трудовых ресурсах, контроля загрузки персонала, количественного учета используемых ресурсов.

Проведено масштабирование информационной поддержки процедуры расследования инцидентов – от учета самих инцидентов, анализа связанных с ними данных до принятия решений. Прежде всего речь идет о расследованиях по факту случившихся аварий и отказов оборудования, с определением их первопричин и разработкой мер, направленных на их предупреждение в будущем. Эта функция системы соответствует известной практике RCA (Root Cause Analysis).

Отдельного внимания заслуживает автоматизация операций и информационная поддержка при обходах оборудования. С этой целью на всех производствах комбината было внедрено решение «TRIM-Мобильный клиент», позволяющее использовать мобильные устройства для сбора данных о техническом состоянии во время обходов. Это решение дает возможность дежурному персоналу работать в информационной системе ТОиР, находясь непосредственно возле оборудования в производственной зоне и не имея постоянного соединения с базой данных системы. Для работы с мобильным решением комбинат закупил специализированные носимые промышленные терминалы. В настоящее время системой охвачены обходы порядка 3,5 тыс. единиц оборудования.

Данные, аккумулированные в TRIM, служат фундаментом для реализации бизнес-процессов в SAP S/4HANA и станут использоваться при дальнейшем планировании ремонтов.

В рамках стратегии развития бизнеса Coca-Cola HBC Россия реализует ряд проектов по оптимизации и цифровизации производственных процессов. Работы по комплексной модернизации Wi-Fi-инфраструктуры Coca-Cola HBC Россия и сокового подразделения «Мултон» проводила компания «Стэп Лоджик».

На этапе модернизации беспроводной сети для работы системы управления складом специалисты интегратора выполнили монтаж, физическую замену оборудования, радиоразведку полученной зоны покрытия. Было организовано около 150 точек доступа, установлено 35 коммутаторов. Работы осуществлялись на складских площадках пяти заводов, расположенных в Москве, Московской области, Санкт-Петербурге и Ростовской области. Для оперативного контроля запуска нового оборудования и минимизации времени простоев на сети и в функционировании склада все работы выполнялись в строго определенные, согласованные и минимальные интервалы времени.

В связи с запуском системы управления технологическим процессом (Batch Management) следующим этапом работ стало проектирование и увеличение зоны покрытия сети Wi-Fi на производственных объектах в Москве и Ростове-на-Дону. С помощью данной системы производится наблюдение за технологическим процессом, отгрузка и учет произведенной продукции. Замена точек доступа и коммутаторов выполнена с учетом обеспечения 100% резервирования покрытия беспроводной сети за счет реализации двух контуров точек доступа в рамках единой сети, дополнительно обеспечено резервирование оптических линий между существующими центрами коммутации.

Кроме того, в ходе проекта осуществлено проектирование беспроводной сети для наиболее крупных офисных помещений Coca-Cola в Москве, Московской области, Санкт-Петербурге, Екатеринбурге, Красноярске, Нижнем Новгороде, Новосибирске, Ростовской области, Самаре, Владивостоке. На объектах была зафиксирована текущая ситуация по покрытию и размещению точек доступа Wi-Fi и выполнено проектирование достаточного покрытия сети на основе комплексного радиочастотного планирования: моделирования покрытия и радио обследования на объектах. В результате был выдан список рекомендаций по изменению текущих мест и способов установок точек доступа, а также по добавлению новых точек с учетом технических характеристик нового оборудования.

Подключение станков к промышленному интернету вещей — дальнейшее развитие системы объективного контроля производственного оборудования и персонала, целью которой является устранение всех видов производственных потерь.

Система мониторинга в режиме реального времени контролирует и классифицирует простои станков по различным причинам, учитывает использование оборудования и автоматически вычисляет коэффициент его загрузки, контролирует энергопотребление станков в различных режимах работы, оповещает ответственных сотрудников об аварийных и нештатных ситуациях. Обмен данными с системами подготовки и управления производством позволяет интегрировать станки в единое информационное пространство предприятия. Для руководства УАПО внедренное решение формирует табличные, текстовые и графические отчеты о работе производства.

«Диспетчер» собирает объективные данные о работе станков, выявляет отклонения в работе производства и передает эту информацию ответственным сотрудникам для оперативного устранения возникающих проблем. Это приводит к сокращению потерь, и в итоге – к повышению производительности.

Как отмечает руководство предприятия, важно, что постоянный анализ данных позволяет держать технический персонал УАПО «в тонусе». Становится видна реальная объективная картина использования производственного оборудования, на основе анализа которой принимаются оперативные управленческие решения и, в целом, предприятие выходит на новый уровень эффективности производства.

Топ-менеджеры понимают необходимость изменений традиционной модели отношений с покупателем и перехода к современному и технологичному подходу. При этом многие из них все еще не осознали, каким образом работа департаментов маркетинга должна стать драйвером роста бизнеса в эпоху технологий. В частности, лишь 17% опрошенных директоров по маркетингу отметили, что за прошедшие два года они лучше стали контролировать и применять традиционные и технологические рычаги роста.

В отчете приведен прогноз аналитиков, что в период до 2022 года компании, инвестирующие в искусственный интеллект, могут получить прирост к выручке на 41% (по сравнению с показателями 2018 года). В то же время, 61% директоров по маркетингу ретейловых компаний считают, что они не готовы к применению инструментов искусственного интеллекта в своей работе.

Самой важной задачей, которую предстоит решить, директора по маркетингу называют привлечение клиентов и персонализированное обслуживание, меняющееся в зависимости от изменения потребностей и контекста.

Как отмечают аналитики, маркетологи в ретейле ищут баланс между традиционными активностями (такими, как BTL-акции) и применением современных цифровых инструментов. Успешный путь – максимально приблизиться к своим покупателям, адаптироваться под их индивидуальные потребности, влияя на клиентский опыт в реальном времени. Используя продвинутую аналитику и дизайн-мышление в процессе изучения клиента, можно не только получить максимум знаний о желаниях покупателя, но и стать компанией, способной создавать персонализированные продукты и услуги по запросу.

В Accenture выделяют следующие шаги, которые помогут директорам по маркетингу добиться ощутимых результатов.

1. Переключить приоритет с традиционных инструментов на высокотехнологичные

Безусловно, баланс между традиционным маркетингом и новыми подходами важен. Несмотря на это, стоит пересмотреть модель работы и перенести основные ресурсы для работы с современными технологиями, в том числе на базе искусственного интеллекта и взаимодействия человека и машины.

2. Использовать аналитику

Данные и аналитика могут обеспечить динамичное представление о клиенте. Задача директора по маркетингу – собирать данные при каждом взаимодействии с покупателем, чтобы понять его и предложить нужную услугу в нужное время.

3. Сконцентрироваться на ключевых клиентах

Наиболее ценные клиенты должны стать основой маркетинговой стратегии бизнеса. Директор по маркетингу должен стать одним из инициаторов изменения операционной модели в сторону персонализированного взаимодействия с наиболее значимыми для компании клиентами. Это означает радикальную трансформацию приоритетов розничного бизнеса: отказ от оценки департаментов, решений, инвестиций и показателей успеха в пользу измерения прибыльности клиента.

4. Развивать новые способности в команде маркетинга

Важными профессиональными качествами «завтрашнего дня» участники исследования считают способность защищать персональные данные пользователей и пересматривать то, каким должен быть безопасный клиентский опыт. 84% опрошенных считают, что важно привлекать и удерживать талантливые кадры, при этом только 56% опрошенных оценивают собственные компетенции как «выше среднего».

Цифровые каналы и инфраструктура, персонал службы поддержки, а также данные и показатели работы службы, основанные на оценке со стороны клиента — эти три темы должны быть в центре внимания руководителей служб поддержки клиентов, считают аналитики Gartner. Они имели большое значение и раньше, но наступивший 2020 год принес в них малозаметные, но очень важные изменения.

Многие службы поддержки пытаются добавить к прямым контактам с клиентами цифровые технологии самообслуживания. Исследования Gartner показывают, что этот подход не оправдывает себя. Добавление новых каналов и функций обходится дороже и не улучшает качество взаимодействия с клиентами. Вместо этого необходимо преобразовывать саму службу поддержки по принципу самообслуживания, считают аналитики.

По каналам самообслуживания клиенты могут решить несложные вопросы, тогда как персоналу службы остается работа со сложными проблемами. В этих условиях лучше всего справляются с работой сотрудники, характер которых, по классификации аналитиков, относится к типу «контролер» — общительные и обладающие проактивным подходом к вопросам. Именно их рекомендуется привлекать к работе в службе поддержки.

Многие организации сталкиваются с проблемами при попытках собрать и подвергнуть анализу данные о мнениях клиентов. Для их решения аналитики рекомендуют, во-первых, установить четкие цели работы с мнениями клиентов и собирать данные целенаправленно. При анализе данных следует искать главную причину конкретной обратной связи клиента и выявлять связанные с ней возможности улучшения обслуживания. И наконец, результаты анализа следует сообщать клиентам и партнерам по бизнесу, обеспечивая прозрачность запланированных мероприятий по улучшению работы.

Цифровые технологии уже обеспечили розничным компаниям базу для уверенного развития. Так, 76% руководителей в сфере ретейла заявили, что социальные сети, мобильность, аналитика и облачные вычисления являются ключевыми компонентами ИТ-стратегии их компаний. 93% также указывают, что именно эти технологии помогли их компаниям ускорить темпы роста в последние три года.

Однако сегодня все возможности и преимущества основных digital-инструментов доступны каждому игроку на этом рынке. Они больше не являются факторами, делящими рынок на «передовых» и «отстающих». Исследование показывает, что отрасль вступает в эпоху, когда технологии распределенных реестров (блокчейн), искусственного интеллекта (ИИ), расширенной реальности (AR/VR) и квантовых вычислений становятся главными катализаторами дальнейших изменений. Эту совокупность технологий в Accenture называют аббревиатурой DARQ: Distributed Ledger, AI, Extended Reality и Quantum Computing.

Эти «пост-цифровые» решения развиваются не изолированно, а в соответствии с изменяющимися ожиданиями и поведением потребителей. Использование новых технологий для обеспечения мгновенного удовлетворения клиентских запросов, генерация сверхрелевантных предложений — таковы новые императивы развития розницы во всем мире.

По результатам опроса, 86% ритейлеров уже экспериментируют с технологиями DARQ в своих бизнес-процессах. 83% руководителей в отрасли соглашаются с тем, что интеграция высокоточной кастомизации предложения станет новым видом конкурентного преимущества на рынке в самое ближайшее время. А еще 63% уверены, что DARQ изменит базовые принципы работы их собственной компании в ближайшие 3 года.

Лидеры отрасли используют эти тренды на практике, чтобы стать наиболее актуальными (а иногда и незаменимыми) поставщиками предложений для своих клиентов. Акцент в стратегиях смещается с реализации максимального количества товаров на их эффективную продажу, позволяющую потребителям покупать именно то, что они хотят, у ретейлера, которому они доверяют.

Аналитики Accenture отметили, что розничные компании начинают выявлять потребности потребителей до того, как это сделают их конкуренты, и даже до того, как сами клиенты смогут их осознать. С задачей прогнозирования уже справляются технологии искусственного интеллекта и машинного обучения, анализирующие тренды в социальных сетях (так называемая цифровая демография).

82% руководителей в ретейле считают, что цифровая демография становится все более эффективным способом понимания потребителей. 80% уверены, что цифровая демография дает им новый способ определения рыночных возможностей для неудовлетворенных потребностей потребителей. А еще 71% также полагают, что она расширяет число доступных способов доставки потребителям товаров и услуг.

Трансформация компаний розничной торговли также предполагает существенные изменения в квалификации сотрудников — в том числе, в части обучения работе с новыми технологиями. 40% руководителей в ретейле ожидают, что большинство их сотрудников поменяют свои роли в рабочем процессе из-за технологических достижений. Во многих случаях эти изменения позволят работникам перейти от рутинных задач к более стратегическим действиям, направленным на повышение качества обслуживания потребителей или операционной эффективности.
 

На основе уточненных данных и машинного обучения на результатах миллионов реальных сделок запускается прогнозирование цены и срока продажи указанного товара. При помощи ползунка пользователь сможет оценить, насколько быстро он сможет продать товар при различных ценах.

Например, если сфотографировать в приложении смартфон, система предложит уточнить его марку и объём внутренней памяти. Дальше пользователь увидит варианты цены в связке со сроком продажи — если выставить цену повыше, продажа будет выгоднее, но покупатель может найтись не сразу, а если нужно продать срочно, можно радикально снизить стоимость.

Как отмечает Егор Данилов, директор по продукту «Юлы», при публикации объявлений пользователям всегда нужно указывать цену товара, и обычно они высчитывают её самостоятельно, изучая похожие объявления. Это ценообразование в условиях неполноты информации — неизвестно, как быстро продаются товары по таким ценам. Крупные магазины, самостоятельно регулирующие цены на свои товары, используют масштабные модели данных для механизмов ценообразования. «Юла» сделала подобный механизм доступным каждому продавцу.

Нейросеть, распознающая объекты по фото, была обучена на снимках размещённых на «Юле» товаров. Результаты тестирования алгоритма на базе из 38 тыс. фотографий товаров в 178 категориях показало 86% точность попадания в одну из пяти предложенных категорий.

В прототипе реализован процесс заключения смарт-контракта потребителем, тем самым потребитель принимает условия договора об электроснабжении. Смарт-контракт, согласно заложенным в него тарифам, в режиме реального времени рассчитывает сумму к оплате в соответствии с потребленной электроэнергией, а в момент оплаты потребителем платеж сразу расщепляется на сетевую и сбытовую компании.

В качестве пилотной зоны был выбран один из районов города Екатеринбурга, где в нескольких жилых домах установлены 250 приборов учета. Показания счетчиков снимались каждые 30 минут, информация в онлайн-режиме поступала в распределенный реестр.

Результатом проекта стало подтверждение возможности применения технологии блокчейн в целях повышения доверия на розничном рынке электроэнергии, а также сокращения времени поступления платежей в цепочке от потребителя к поставщику. Время согласования объемов потребленной электроэнергии и получения сетевой компанией оплаты от потребителя могло составлять несколько недель, благодаря использованию блокчейна, информация поступает в онлайн-режиме, остается неизменной в распределенном реестре и доступна как сбытовой, сетевой компании, так и потребителю.

Как отмечает Сергей Семериков, руководитель проекта «Блокчейн» ПАО «Россети», на сегодняшний день в энергетической отрасли отсутствует единое информационное пространство для обмена данными о потреблении электроэнергии. Это становится причиной разногласий между участниками рынка, а также непрозрачных взаиморасчетов между потребителями, управляющей, сбытовой и сетевой компаниями. Созданный прототип поможет решить эти проблемы. В случае масштабного распространения технология может кардинально изменить существующий рынок взаиморасчетов с потребителями электроэнергии.