Ежедневные новости

Перед компанией стояла задача по подбору персонала на новую открывающуюся золотоизвлекательную фабрику, а это более 250 вакансий. И дополнительно оставалась цель — закрыть текущие вакансии. К решению ATS у компании было два основных требования: возможность резервного копирования данных и перенос существующей базы кандидатов в систему. Также она должна была быть прозрачной и понятной для всех, кто работает с вакансией.

В новой системе процесс выглядит следующим образом: руководитель формирует запрос на вакансию, в специально разработанном шаблоне заполняет основные требования к кандидату; HR-специалист получает запрос и отправляет его на следующий этап; вакансия публикуется на работных сайтах; отклики с площадок поступают в ATS с пометкой о площадке, с которой откликнулся кандидат; HR-специалист в системе общается с кандидатами, оставляет заметки, назначает встречи, переписывается в мессенджерах и добавляет в общую базу.

Также в ATS Potok настроена аналитика, чтобы данные были прозрачными и доступными для руководителей и HR-специалистов RG Gold. В одной вкладке в системе руководитель и HR-специалист могут посмотреть, где есть узкие места, и работать над ними, улучшая показатели. На основе аналитики HR-специалисты оценивают эффективность источников подбора и воронки подбора, время на закрытие вакансий и свою личную продуктивность.

Команда из России впервые приняла участие в международном сельскохозяйственном конкурсе Autonomous Greenhouse Challenge: сотрудники Россельхозбанка и МФТИ начали подготовку к нему за 3 месяца и преодолели несколько отборочных этапов. Чтобы пройти в финал, требовалось попасть в топ-5 лучших команд по результатам двухдневного хакатона, во время которого командам предлагалось выращивать салат в виртуальной теплице, предоставленной Вагенингенским университетом, с использованием расширенной среды цифрового моделирования.

На финальном этапе каждой команде был выделен тепличный отсек в исследовательском центре Вагенингенского университета в городе Блейсвейк, чтобы вырастить урожай высококачественного салата при рациональном использовании электроэнергии, воды и других ресурсов. Уникальность задачи была в том, что весь процесс, вплоть до момента сбора урожая, должен был функционировать полностью без участия человека, то есть автоматизирован при помощи собственных алгоритмов искусственного интеллекта.

Финал конкурса состоял из двух этапов (каждый длительностью два месяца). По итогам конкурса коллектив из России занял 2 место, уступив лишь победителю прошлого года, команде из США (Koidra.ai). Российская модель, основанная на технологиях компьютерного зрения, обучении с подкреплением и оптимальном управлении системами теплицы, сумела вырастить урожай с самой высокой выручкой среди конкурсантов.

В традиционном тепличном производстве необходимо регулярно корректировать параметры среды в зависимости от изменяющихся факторов, которые влияют на рост сельскохозяйственных культур. Опытный производитель может самостоятельно контролировать ограниченный набор параметров системы на небольших производствах, но для обеспечения растущей потребности в качественных продуктах питания необходимо разработать новый класс полностью автоматизированных тепличных комплексов на базе технологий искусственного интеллекта. Подобные системы обработки и анализа данных с применением машинного обучения и компьютерного зрения разрабатывают и апробируют на конкурсе Autonomous Greenhouse Challenge.

По данным DLBI, основной тенденцией, качественно отличающей ситуацию этого года от предыдущих лет, стало доминирование нового источника утечек – взлома серверов баз данных, дампы (копии баз данных) которых хакеры выставляют на продажу. В общем числе утечек доля таких взломов составила 68%, а в общем объеме похищенных данных – 83%. При этом само число значимых утечек клиентских данных сохранилось на прежнем уровне (около 20 за полгода).

Следствием изменения вектора атаки стало почти порядковое увеличение объема утечек (61 млн уникальных записей за 6 мес. 2022 года против 6 млн за тот же период 2021 года), а также взрывной рост количества похищенных неуникальных данных (информация о транзакциях, логи действий), число которых достигло уже 2,4 млрд записей, что беспрецедентно для российского инфобеза. По данным DLBI, через взлом серверов баз данных были похищена, в частности, информация о клиентах «Яндекс.Еды», СДЭК, Delivery Club и школы «Сколково», а также пользователей сети порталов Rugion.ru.

Похищенные данные, по мнению экспертов, пока используются для экспериментального обогащения баз данных и банального фишинга. Однако объединение баз нескольких крупных сервисов, таких как СДЭК и «Яндекс.Еда», с данными операторов связи позволяет получить действительно конфиденциальную информацию о пользователях: реальное место жительства, платежеспобность, круг знакомств и многое другое, что может стать основой для новых мошеннических схем.

По словам основателя DLBI Ашота Оганесяна, доступ к серверам баз данных хакеры получают множеством способов: от заражения рабочих мест ИТ-специалистов стиллерами – специализированными зловредами, ориентированными на кражу паролей и сессионных куки, до поиска и эксплуатации уязвимостей в системах удаленного доступа (RDP и VPN-подключений), а также в самих SQL-серверах или CMS (системах управления контентом). Кроме того, все активнее используется анализ проектов компаний, выложенных на GitHub, в которых также нередко можно найти данные для доступа к внутренним ресурсам. При таком подходе опасности подвергаются, в первую очередь, крупные компании, имеющие множество сотрудников ИТ-служб и обширную инфраструктуру с большим числом серверов и точек удаленного доступа.

Значительную часть взломов осуществляют украинские хакеры, ведущие кибервойну против нашей страны. Ранее их деятельность была ограничена общим для всего русскоязычного пространства правилом «не работать по. RU». Сейчас это ограничение де-факто снято. Кроме того, выяснилось, что сам по себе уровень кибербезопасности даже в компаниях с миллиардными оборотами довольно низок.

В рамках пилотного проекта ВТБ и Ростелеком объединили клиентские базы, содержащие суммарно около 250 млн записей. Решение Platforma и HFLabs позволило найти группы клиентов, которые пользуются услугами обоих участников пилота, без использования и передачи их персональных данных. Этого удалось достичь за счет работы с синтетическими идентификаторами — UUID, которые не являются персональными данными и состоят из случайного набора букв и цифр фиксированной длины, а также благодаря двухэтапной схеме распределённого преобразования данных с использованием защищённого ключа-«секрета».

При подготовке к работе данные хешируются в два этапа с применением сессионного секрета, доступного только владельцам данных, а затем передаются в федеративный хаб – сердце ИТ-архитектуры. Он сравнивает хеши и находит пересечения в клиентских базах. Модель обмена поддерживает несколько способов хеширования данных, в том числе предусмотренные ГОСТом методы.

Одна из ключевых сложностей проекта – разный формат клиентских данных. Даже внутри одного бизнеса нередко существуют различные ИТ-системы (CRM, биллинговые, кредитные портфели и т.д.), где информация хранится в разном формате с разным набором полей и характеристик. Например, в одной системе имя может быть записано как «Наталья», а в другой – «Наталия». Решение HFLabs и Platforma учитывает эту особенность, поэтому сначала происходит поиск схожих данных с помощью механизмов дедупликации и алгоритмов, учитывающих синонимы, опечатки, взаимозаменяемые слова, устаревшие наименования населенных пунктов.

Второй важный критерий при метчинге клиентов — это скорость. Первый этап хеширования может занимать около двух дней. Затем метчинг баз двух компаний, включая второй этап хеширования, может потребовать несколько часов.

В перспективе разработанная технология сможет выступать своего рода дата-банком, где партнеры хранят свои данные в собственных ячейках без доступа к ним со стороны других участников. Вместе с этим пользователи такого сервиса смогут безопасно объединять, метчить свои базы, проводить анализ и строить математические модели на объединенных данных, создавать сервисы и бизнес-продукты, участвовать в монетизации.

Независимое исследование проводится в России в формате опроса, в котором уже приняли участие представители крупных компаний, а также среднего и малого бизнеса. Полученные аналитиками данные указывают, что больше 51% опрошенных компаний столкнулись с плохой совместимостью программных решений от разных производителей. Это происходит в случае, когда замена импортного ПО происходит частично, без применения комплексных решений.

При этом 49% от всего числа участников опроса испытывают сложности с внедрением новых решений — из-за того что приходится менять привычки пользователей, системных администраторов, проводить обучение. Дополнительно 35% респондентов пожаловались на высокую стоимость внедрения российских решений. И только 6% компаний отметили, что не испытывают никаких проблем при замене импортного ПО на отечественные аналоги.

Примечательно, что больше 30% респондентов отмечает, что в их компании уже сделан выбор в пользу российских Low-Code и No-Code решений. Но значительная часть российского бизнеса до сих пор не может определиться с тем, какие программные продукты будет использовать взамен импортных. По предварительным результатам исследования, 51% участвовавших в опросе компаний решают, готовы или они переходить на российские Low-Code и No-Code платформы или нет. При этом 16% уже сделали выбор в пользу кастомной разработки и отдельных программных решений.

Авторы исследования отмечают, что прием ответов продолжается. Независимое изучение ситуации на ИТ-рынке России завершится в августе 2022 года, после чего будет объявлено об итоговых результатах. Полученные цифры помогут всем ИТ-компаниям в России понять текущие тренды перехода на отечественное ПО и составить свой план по автоматизации бизнес-процессов.

ИТ-интегратор «Корус Консалтинг» решил автоматизировать бюджетное управление, чтобы повысить прозрачность процессов, сопоставимость данных бюджетирования и ускорить формирование планов и прогнозов на всех уровнях управления: по группе в целом, по направлениям бизнеса и проектам. Основная сложность проекта заключалась в учете специфики деятельности отдельных подразделений компании и при этом важности обеспечения единых принципов планирования, прогнозирования и план-факт анализа финансового результата подразделений. В качестве инструмента выбрали гибкую российскую платформу Optimacros, а для внедрения привлекли собственную команду экспертов департамента EPM.

Работа над проектом велась по методологии Agile: серия итераций обеспечила регулярное уточнение бизнес-требований и гибкую настройку системы. Специалисты автоматизировали процесс планирования выручки от утилизации сотрудников, законтрактованных и потенциальных проектов, всех видов расходов (от проектных до административно-управленческих), консолидированного бюджета по группе компаний, а также расчет ключевых показателей эффективности.

Новая система использует корпоративные справочники (финансовой структуры, проектов, клиентов и сотрудников компании), ежедневно импортируемые из систем-источников в автоматическом режиме. Благодаря этому инструмент всегда работает с актуальными плановыми и фактическими данными, которые используют руководители направлений, департаментов, служб и компании в целом, а новая отчетность формируется автоматически.

Быстрое внедрение платформы Optimacros позволило значительно ускорить формирование годового бюджета на 2023 финансовый год, ежеквартальных прогнозов и оперативных планов. Работа с едиными справочниками, источниками данных и сквозной бизнес-процесс снизили трудозатраты на подготовку и выверку данных. Новая система увеличила полноту и уровень детализации планирования и анализа и обеспечила получение мгновенных результатов при изменении вводных для бизнес-планирования. А при помощи панелей ключевых показателей руководство компании может оперативно контролировать подразделения, опираясь на актуальную информацию.

Главная задача проекта — автоматизация процесса подготовки сообщений для Федеральной службы по финансовому мониторингу (Росфинмониторинг). После выдачи транспорта в лизинг, сотрудники отдела комплаенса «Альфа-Лизинга» направляют информацию в Росфинмониторинг через личный кабинет. Каждая новая сделка – это последовательность одинаковых действий, которые сотрудники выполняют на протяжении всего дня. Чтобы разгрузить сотрудников от монотонной работы и не раздувать штат, было решено роботизировать этот процесс. Проект был доверен компании «Первый БИТ».

В итоге робот берет на себя весь рутинный процесс: проверяет наличие необходимых заполненных данных в системе и их корректность, присваивает новому сообщению порядковый номер, формирует файл сообщения и выводит его на экран сотрудника для контроля. Далее сообщение отправляется через личный кабинет Росфинмониторинга. Робот сохраняет отчеты об отправке сообщения и формирует архив на диске с подтверждающими документами. Если же робот замечает ошибку, он сообщает об этом специалисту, который исправляет ее. Робот ежедневно заводит новую папку с датой и добавляет туда все сообщения.

Как отмечает Тамара Киреева, руководитель группы финансового мониторинга и комплаенс «Альфа-Лизинга», настройка робота — долгий и нелегкий процесс. В общей сложности на него ушло около полугода. Однако в результате удалось облегчить работу сотрудникам, высвободить время на те обязанности, которые специалисты не успевали делать и сократить ФОТ. Сейчас компания старается искать новые возможности использования робота.

Благодаря автоматизации процесса c помощью PIX Robotics скорость формирования и проверки сообщения сократилась в два раза — с 1 часа до 30 минут. Также робот разгрузил сотрудников отдела и позволил им заниматься более сложными и интересными задачами.

«Витте Консалтинг» предоставляет техническую и методологическую поддержку SAP-систем. Услуги оказываются по трем направлениям: техническая поддержка текущей конфигурации системы; методологическая и техническая поддержка системы в части реализации изменений российского законодательства; консультационная поддержка по сложным вопросам эксплуатации.

Эксперты компании осуществляют анализ работы продукта для выявления причин возникновения ошибок, проводят работы по устранению ошибок и причин их появления. Персональный менеджер поддержки ведет координацию работы экспертов.

За счет построения единой платформы «Эй Кей Ресторантс Раша» автоматизировала получение услуг по обслуживанию ПО и кассового оборудования, техническому обслуживанию и ремонту и другие, до 90% из которых обрабатывают внешние подрядчики. Внедрение системы позволило перенести работу со всеми обращениями в единое пространство, решив проблему локальных ИТ-решений или их отсутствия у сервисных партнеров. Итогом стала централизованная координация процесса оказания сервисных услуг ресторанам сети: заявки оперативно распределяются по исполнителям, также возможен контроль выполнения всех сервисных работ. Ежемесячно через платформу проходит свыше 3,8 тыс. обращений.

Как отмечает Андрей Павлов, руководитель ИТ-отдела «Эй Кей Ресторантс Раша», всесторонний контроль над работой подрядчиков с помощью ITSM 365 позволяет выявлять проблемные зоны и повышать качество обслуживания объектов. В итоге количество простоев по различным техническим причинам уменьшается, а прибыль ресторанов сети растет.

На платформе предусмотрен полный каталог сервисных услуг, который помогает сориентироваться во время оформления заявки. Рестораны сети выбирают оборудование, неисправность и другие параметры в универсальном классификаторе системы, после чего заявка отправляется к определенному исполнителю. Подход позволил отказаться от ручного заполнения формы силами диспетчеров, что исключило ошибки при оформлении заявки на слух и увеличило общую скорость обработки обращений.

Решение ITSM 365 интегрировано с ИТ-системами подрядчиков компании, каталогами Active Directory. Для удобства заявителей предусмотрено два способа работы с платформой — через личный кабинет и мобильное приложение. В планах «Эй Кей Ресторантс Раша» расширить каталог внутренними услугами – например, возможностью направлять запросы на получение справок в кадровой службе, а также продолжить интеграцию с ИТ-системами партнеров.

Система принятия кредитных решений «Сбер.Кредитная Машина» (СберКМ) — это собственная разработка на основе решений цифровой облачной платформы Сбера Platform V, позволяющей быстро и эффективно разрабатывать бизнес-приложения любого масштаба и сложности. СберКМ позволяет обрабатывать до 1,2 млн кредитных заявок в день.

Централизованное рассмотрение кредитных заявок физических лиц в Сбере началось в 2008 году. Решения стали приниматься в автоматизированном режиме на базе зарубежной платформы с использованием данных внутренних и внешних источников и моделей оценки. До этого решения принимались вручную, и кредитные заявки могли рассматриваться до двух недель.

На текущий момент 99% розничных кредитов выдаются без запроса дополнительных данных от клиентов, в режиме реального времени, на основе AI-моделей.