Новости

Построенное решение помогло интегрировать банковские системы ВТБ с цифровым профилем гражданина на Госуслугах и с системой межведомственного электронного взаимодействия. Это позволяет клиенту при оформлении кредита, ипотеки, открытии счета, заказе карты заполнять анкету автоматически, а также быстрее проходить предварительную проверку и получать предложения от банка. Синхронизация данных возможна при согласии клиента банка на передачу информации из Госуслуг.

Платформа Tarantool помогает агрегировать данные из внешних источников, хранить, отображать в пользовательских онлайн-каналах и обновлять информацию из внутренних банковских систем. На ее базе в ВТБ было сформировано хранилище, которое позволяет работать с разными типами данных, использовать их для предиктивной аналитики, а также своевременно обновлять информацию о клиентах. Благодаря этому банк повысил качество обслуживания клиентов и уровень безопасности их данных, а также предоставил им новые банковские сервисы.

Цифровой профиль клиента стал развитием функции самообслуживания в части персональных данных. До появления этого сервиса единственным способом управления личной информацией в профиле банка был визит в офис и написание заявления. Благодаря Tarantool профиль клиента в веб-приложении ВТБ Онлайн и в мобильном приложении банка мгновенно предоставляет данные, а главное – скоро появится возможность самостоятельно редактировать информацию о себе. Если у человека сменился паспорт, адрес регистрации, контакты, достаточно согласиться на передачу сведений из Госуслуг и системы межведомственного взаимодействия — и новые данные актуализируются автоматически.

Разработка новых газовых месторождений и добыча природного газа являются приоритетными направлениями деятельности «НОВАТЭК». В результате детализированных сейсмических исследований и 3D-моделирования генерируются огромные объемы данных, которые необходимо хранить, обрабатывать и интерпретировать для успешного обнаружения залежей ресурсов и их освоения. Чем больше объем, качество и точность данных, тем выше эффективность инвестиций в газовые месторождения. Законодательные нормы и правила в области буровых работ также требуют документирования и бессрочного архивирования на всех уровнях, что способствует еще большему росту объема информации.

За прошедшие несколько лет компания значительно выросла, и теперь ей необходимо выполнять от восьми до 10 проектов в год. Потребовались мощные вычислительные кластеры и системы хранения для оперативной обработки данных.

Компания выбрала модульную программно-определяемую СХД на основе HPE Apollo и Scality RING. Благодаря промежуточному хранилищу Scality RING сотрудники НТЦ могут оперативно выгрузить результаты завершенной задачи и одновременно загрузить данные для новых расчетов. Кроме того, появилась возможность проводить подготовку данных и анализ результатов, в то время, пока кластер считает другую задачу. Для этих операций больше не требуется использовать основное хранилище. Таким образом, вместо одного исследования и вычисления специалисты могут выполнять несколько операций одновременно, что значительно снижает общее время обработки сейсмических данных.

Решение обеспечивает долговременное хранение первичного полевого материала, используемого в расчетах и результатах сейсмической обработки данных. Архитектура новой системы также включает возможность быстрого горизонтального масштабирования и встроенную поддержку основных сетевых протоколов — NFS, FTP, SMB. В то же время серверы HPE Proliant и HPE Apollo повышают производительность и надежность ИТ-инфраструктуры. Все оборудование HPE полностью интегрировано, а запросы на устранение неполадок создаются автоматически с использованием возможностей предиктивной аналитики HPE InfoSight. Это позволяет ИТ-команде быстрее реагировать на неисправности и уменьшать время простоя оборудования. Новое решение также уменьшило плотность размещения оборудования в стойках в ЦОД и снизило энергопотребление.

«ВетИС» – система, обеспечивающая сертификацию продукции животного происхождения и надзор за ней. Эта единая площадка для ветеринарных ведомств, производителей и продавцов продукции каждый час регистрирует более 500 тыс. электронных ветеринарных сопроводительных документов (эВСД) от более чем 3,2 млн хозяйствующих субъектов. При этом мониторинговые группы могут обрабатывать лишь 0,02% объема документов.

Для решения проблемы в мае 2021 года Россельхознадзор объявил конкурс на разработку и внедрение модели машинного обучения для отслеживания нарушений. Она должна позволить обрабатывать весь объем входящих документов и выделить нарушения, на которые в первую очередь необходимо обратить внимание.

Разработка ИИ-подсистемы для ведомственного портала Россельхознадзора с целью анализа сведений из «ВетИС» проводилась в четыре этапа, в ходе которых обследовались технологические процессы, разрабатывалась модель для идентификации типов нарушений. Подсистема ИИ включает модели для идентификации 30 типов нарушений, таких, как несоответствие объемов сырья и объемов продукции, отсутствие гашения эВСД в установленный срок, нелогичное перемещение товаров, создание фиктивных цепочек производства для увеличения объемов продукции на каждом из этапов, фантомные площадки и др. Кроме того, искусственный интеллект оценивает сроки производственных операций, выбирая нелогичные и предоставляя их для анализа специалистам Россельхознадзора.

Для создания моделей специалистами «СберАналитики» использовались разработки Лаборатории искусственного интеллекта Сбербанка и суперкомпьютер Сбера Christofari Neo. Система интегрирована в промышленный контур систем Россельхознадзора, что позволило обеспечить ее непрерывное применение и автоматическое дообучение моделей на новых данных.

Согласно зарубежным прогнозам, в 2022 году инструменты DevSecOps будут применять более 90% компаний-производителей ПО. В области внутренней разработки приложений российские тренды соответствуют мировым. Компании, в которых информационные системы играют ключевую роль, используют DevOps все более активно. В первую очередь, это организации, предоставляющие большое количество сервисов конечным потребителям, зачастую в виде экосистем: банки, страховые компании, операторы связи, крупнейшие интернет-провайдеры, службы такси и доставки.

Качество кода напрямую влияет на финансовые результаты компаний. Развитие киберпреступности вместе с сокращением сроков разработки и ростом частоты релизов становятся драйвером внедрения методов DevSecOpS. Инструменты помогают минимизировать цену ошибки программиста и избежать убытков из-за утечки данных или иных ИБ-событий. DevSecOps позволяет сократить затраты на разработку за счет уменьшения количества уязвимостей в итоговом продукте и реагирования на обнаруженные недостатки на ранних стадиях разработки.

Одной из ключевых тенденций является развитие методологий совместной разработки, а именно – синергия DevSecOps и облака. Как отмечают в Т1 Cloud, за последние пять лет в России количество софтверных компаний, производящих проприетарное ПО, ежегодно прирастало, достигнув показателя около 4,2 тыс. компаний. Из них на сегодняшний день DevOps внедрили 30% организаций, что неизбежно будет способствовать переходу на DevSecOps, поскольку за развитием ИТ-продукта практически неизбежно следуют вопросы безопасности. Однако из-за нехватки DevSecOps-специалистов компании станут все чаще рассматривать частичный аутсорсинг процесса безопасной разработки, что также обусловит вероятное смещение акцента специализации профессионалов в области DevSecOps на облачные технологии. Популярность облачного подхода также будет усиливаться недостаточным взаимодействием ИБ-специалистов с разработчиками внутри крупных российских компаний.

Как утверждают в SolidLab, DevSecOps дает компаниям уверенность, что их приложения максимально безопасны. И хотя абсолютно защищенных приложений не существует, внедрение инструментов DevSecOps гарантирует, что кибербезопасность станет одним из критериев качества продукта без существенного увеличения нагрузки на отдел ИБ даже в условиях интенсивного релизного цикла.

Стоит отметить, что интерес к DevSecOps растет не только благодаря усилению киберугроз и смещению потребительских предпочтений в сторону онлайн-платформ. Во многом это происходит в результате роста осведомленности разработчиков о преимуществах инструментов DevSecOps, включая экономию бюджетов, гибкость и масштабируемость с помощью облачных технологий.

Как показало исследование, основными вызовами мультиоблака становятся обеспечение безопасности (49%), интеграция данных (49%) и затраты (43%). Хотя мультиоблако – уже наиболее популярная модель и единственная, которая будет расти, большинство предприятий сталкиваются с реальностью, когда они работают одновременно и в частных, и в публичных облаках. Эта ситуация не меняется, и все больше руководителей осознают, что в работе с облаками не бывает универсального подхода. В результате большинство опрошенных видят операционную модель гибридного мультиоблака с несколькими частными и публичными контурами и функциональной совместимостью между ними как идеальное решение.

Пандемия изменила то, как работают почти все компании, и мультиоблако поддерживает новые способы работы. 61% респондентов сфокусированы на предоставлении более гибких условий работы из-за пандемии. Большинство организаций сообщают, что, хотя число удаленных сотрудников может сокращаться или расти, они останутся в обозримом будущем. Мультиоблако предоставляет гибкую ИТ-среду для их поддержки за счет распределения данных по разным географическим местоположениям для обеспечения их близости к пользователям и непрерывности бизнеса.

Мобильность приложений становится все важнее: почти все организации перенесли одно или несколько приложений в другую среду за последние 12 месяцев. При этом 80% согласны с тем, что перенос рабочей нагрузки в новую облачную среду может быть дорогостоящим и трудоемким. В качестве причины переезда они чаще всего называют безопасность (41%), затем производительность (39%) и получение контроля над приложением (38%), что является наиболее вероятными драйверами распространения мультиоблачной модели.

Предприятия относятся к ИТ-инфраструктуре более стратегически. 72% считают, что ИТ-функция в их организациях воспринимается как более стратегическая, чем год назад. Они также называют такие бизнес-причины для изменения инфраструктуры, как улучшение удаленной работы и совместной работы, более качественная поддержка клиентов и улучшение непрерывности бизнеса. Кроме того, они начали сопоставлять, насколько инфраструктура соответствует рабочим нагрузкам, основываясь на таких приоритетах как безопасность (41%), производительность (39%) и стоимость (31%).

Главной целью проекта, партнером по которому выступила компания Novardis, стало объединение клиентских профилей из разных каналов продаж и централизованная система каналов и коммуникаций. До внедрения решения компания «Азбука вкуса» использовала две системы для персонализированного маркетинга, данные в которых не были связаны между собой.

Результатом внедрения системы стало создание единого профиля клиента, который отражает комплексное взаимодействие с покупателем во всех дистанционных каналах и розничных магазинах, предпочтения клиента по продуктам, точкам контакта и историю коммуникаций с ним. На начало эксплуатации системы «Азбука вкуса» запустила более 50 цепочек триггерных маркетинговых кампаний для различных групп клиентов в удобных для них каналах: e-mail, в мобильном приложении и в личном кабинете на сайте. На базе платформы происходит автоматизированный процесс рассылок промоакций, персональных купонов, предложений с повышенными бонусами на всю базу контактов с учетом предпочтений клиента по связи с ним. Система также дает возможность клиентам получать информацию об общедоступных и персональных предложениях в push-уведомлениях мобильного приложения и sms-сообщениях.

Как отмечает Елена Шемагонова, директор программ лояльности «Азбуки вкуса», благодаря реализации проекта удалось привести в порядок систему ведения баз данных и целевых маркетинговых коммуникаций с клиентами, сократить стоимость доработок и трудозатраты, улучшить качество коммуникаций с клиентами с учетом глубокого знания профиля потребления. Это должно сделать взаимодействие с покупателями еще более персонифицированным и доверительным.

По состоянию на начало 2022 года прогнозы ИТ-экспертов касательно нарушения цепочек поставок ИТ-оборудования в результате дефицита компонентов инфраструктуры полностью сбылись. Исходя из оценок реальных сроков поставок в Россию, вместо докризисных 6-10 недель нетиповое ИТ-оборудование сегодня «едет» от 24 до 40 недель.

Нетиповым ИТ-оборудованием считается продукция, еще не вышедшая в массовое использование на рынке, но уже поставляемая вендорами по запросу со стороны крупных бизнес-пользователей. Например, это графические процессоры, продвинутые видеокарты, которые все больше используются для задач компьютерного зрения и дополненной реальности, аналитики и вычислений с использованием суперкомпьютеров.

По оценкам Linxdatacenter, в 2022 году можно прогнозировать продолжение роста спроса на микрочипы, что в сочетании с заметно возросшими сроками поставок приведет рынок к новому дефициту вычислительных ресурсов. Реагируя на ситуацию, многие крупные дистрибьюторы уже создают альтернативные схемы решения ИТ-задач клиентов, в том числе путем строительства собственных облачных платформ – самостоятельно или с поддержкой облачных гигантов. То есть на рынок ИТ-сервисов приходят компании, которые раньше в этот сегмент не заходили. Пока что их активность не влияет на конкуренцию в сегменте. Но по мере углубления дефицита в 2022 году можно ожидать трансформацию бизнес-модели вендоров и дистрибьюторов «железа».

Все это укладывается в прогноз, сделанный ранее Linxdatacenter, по росту спроса на облачные ресурсы ИТ-провайдеров в 15-20% в первом квартале 2022 года.

ОТП Банк реализует стратегию цифровой трансформации, чтобы максимально соответствовать запросам своих клиентов и вызовам финансового рынка. Цифровые сервисы банка создаются в соответствии с парадигмой Agile, где над каждым сервисом и продуктом работают самостоятельные кросс-функциональные команды, управляющие процессами создания и изменений продуктов в полном объеме. Такой подход предполагает определенную свободу для каждой из команд в выборе инфраструктуры и инструментов, необходимых для реализации задачи, а также постоянную работу с внутренними системами банка и каналами взаимодействия с клиентами.

Как отмечает Михаил Бижан, директор дивизиона ИТ ОТП Банка, такой подход отлично работает с точки зрения улучшения показателя Time to Market при реализации новых проектов, однако усложняет системную работу по управлению ИТ-ландшафтом банка, его планирование, учет, оптимизацию. Для реализации комплексного подхода к развитию ИТ-инфраструктуры банка, учитывающего влияние каждой продуктовой команды на общую картину, было принято решение о модернизации архитектурной практики и внедрении системы управления архитектурой предприятия.

Основой системы управления корпоративной архитектуры стала платформа iServer. В качестве референтного фреймворка в рамках проекта по внедрению и конфигурированию системы был выбран ArchiMate (фреймворк и нотация от The Open Group). При этом в проекте были также учтены и использованы все текущие наработки команды банка в области управления ИТ-архитектурой.

В ходе проекта было проведено конфигурирование платформы iServer, включающее создание репозитория для хранения архитектурных артефактов, настройку ролей пользователей системы и разработку шаблонов для моделирования. Были определены метамодель и набор артефактов для текущих потребностей архитектурной практики, проведено первоначальное наполнение репозитория объектами архитектуры, подготовлены отчеты по состоянию ИТ-ландшафта. В результате создана единая информационная среда (репозиторий), предоставляющая актуальные данные о состоянии «as is» и «to be» прикладной архитектуры банка, организован доступ к реестрам компонентов ИТ-ландшафта (ИТ-системы, API, технологии) на внутреннем портале. Кроме того, налажен процесс моделирования архитектуры разрабатываемых и изменяемых ИТ-решений на основе данных из репозитория. Проект дал возможность быстрого формирования необходимых ИТ-отчетов и прогнозов для заинтересованных лиц банка (Agile-команд, подразделения инфраструктуры, ИБ и др.), а также отчетности для регулятора на базе единой систематизированной метамодели.

Сервисы персонализации реализованы во всех точках контакта бренда «М.Видео» с покупателями: сайт, мобильное приложение клиента, приложение консультанта в розничных магазинах. Рекомендательные модели помогают сделать выбор среди популярных устройств и новинок, а также подобрать аксессуары и сопутствующие товары. Товарные рекомендации приносят 20% оборота клиентского приложения и инициируют четверть всех покупок.

Разработанные решения анализируют взаимодействие авторизованных клиентов с каталогом, историю просмотров, поиска, покупок и брошенных корзин. Собранные данные используют для формирования персональных товарных рекомендаций. Так ретейлер может определить склонность пользователей к покупке, потребность в различных категориях техники, предпочтения в ценовых сегментах и брендах. Модели на основе машинного обучения автоматически прогнозируют различные сценарии поведения пользователей и рекомендуют для каждого из них наиболее предпочтительные предложения. Товарные рекомендации реализованы на всех основных этапах пути к покупке: главная страница, поиск, карточка товара, корзина покупателя по нескольким основным сценариям: «хиты», «новинки», «в тренде», аксессуары, похожие и сопутствующие товары.

Модель предлагает варианты устройств по сценариям «хиты», «новинки», «в тренде» на основе поведения пользователей. Каждая из полок имеет ряд ограничений: на нее попадают либо новинки, чьи продажи начались в последние два месяца, либо наиболее покупаемые устройства в каждом из городов за 3-6 месяцев. Эти списки товаров модель делит на так называемые стратегии, и в произвольном порядке выдает одну их них пользователям в приложении или на сайте. По мере взаимодействия клиентов с каждой из стратегий, наиболее популярные из них получают больший вес и с большей долей вероятности будут показаны вновь. Параллельно внутри каждой группы ранжируются и модели товаров – выше поднимаются те, которыми чаще интересовались.

Другие модели рекомендуют популярные аксессуары и сопутствующие товары, а также предлагают альтернативы, если выбранного устройства нет в наличии или доставка занимает слишком долгое время. Отдельно разработали алгоритм, способствующий увеличению оборота – он показывает технику в чуть более дорогом сегменте, но выделяет характеристики, по которым покупатели делают выбор в ее пользу.

Как подчеркивает директор по маркетингу и цифровому опыту клиента «М.Видео-Эльдорадо» Владислав Свириденко, компания реализует уникальную на рынке стратегию гибридного шопинга на мобильной платформе OneRetail. Она объединяет онлайн и офлайн и предлагает персонализированный покупательский опыт, основанный на анализе данных. По оценкам компании, каждый третий пользователь приложения взаимодействует с товарами, предложенными «умными» алгоритмами.

За 9 месяцев 2021 года оборот мобильной платформы вырос на 100% до 180,4 млрд руб. и составил 67% от общих онлайн-продаж.

Компания «Ригла» отказалась от услуг аутсорсингового контакт-центра в пользу собственного, который создан на базе комплекса продуктов Naumen: омниканальной коммуникационной платформы Contact Center, платформы для создания голосовых и чат-ботов Erudite и системы управления рабочей нагрузкой WFM. Запуск собственного контакт-центра позволил значительно повысить уровень управляемости и гибкость основных бизнес-процессов. Благодаря интеграции платформы контакт-центра с CRM-системой компания получила возможность поднять на новый уровень персональное обслуживание клиентов.

Обращения клиентов всех форматов сети «Ригла» обслуживаются единым пулом операторов с универсальными навыками. Для обработки входящих голосовых вызовов и чатов в системе реализована возможность бесшовного перевода диалога с робота на оператора. В задачи чат-бота на сайте входит помощь клиентам в проверке статуса заказа, активации карты лояльности и подборе ближайшей аптеки. Кроме того, он помогает проверить наличие и цену нужного лекарства во всех трех форматах сети с учетом города поиска, удобного местоположения аптеки и дозировки препарата. Запуск ИИ-бота на платформе Naumen Erudite снизил загруженность операторов.

Рабочую нагрузку на единый контакт-центр аптечных сетей прогнозирует WFM-система. На базе прогноза автоматически составляется график работы, учитывающий занятость сотрудников, часть из которых работает удаленно. Операторы могут следить за расписанием и формировать заявки на изменение рабочего графика через мобильное приложение.