Бизнес

Синергия цифровых данных и физического мира

Предиктивная аналитика и Big Data в Казахстане:
проблемы и перспективы
Предиктивная аналитика стала не только одним из неотъемлемых элементов Индустрии 4.0, но и обязательным условием для успешного развития бизнеса в современных реалиях. Она используется в разных секторах экономики – от ритейла и банковского сектора до промышленности и энергетики – и решает множество задач, так или иначе направленных на повышение финансовых показателей предприятий.

С каждым годом количество компаний, которые внедряют в свои бизнес-процессы предиктивную аналитику, растет по всему миру, но в Казахстане подавляющее большинство игроков рынка еще только присматривается к этому инструменту.
Александр Ефимов, директор дирекции аналитических и индустриальных решений SAS Россия/СНГ, рассказывает о перспективах использования предиктивной аналитики в Казахстане и потенциале ее применения на производстве, а также дает советы предпринимателям, заинтересованным в работе с большими данными.
Почему государство активно использует Big Data?

В Казахстане широкий интерес к большим данным и основанной на них предиктивной аналитике появился относительно недавно: всего пару лет назад. Во многом это связано с тем, что государство стремится внедрить цифровую трансформацию в экономику и общественную жизнь. Среди недавних амбициозных государственных проектов, предполагающих в том числе использование Big Data и предиктивной аналитики, – программа «Цифровой Казахстан». К 2025 году она должна обеспечить до 30% прироста ВВП страны.

На сегодняшний день национальные компании и государственные органы активнее остальных осваивают решения в области больших данных и предиктивной аналитики. Так, по планам Министерства по инвестициям и развитию Республики Казахстан, на семи наиболее технологически развитых предприятиях страны в ближайшее время внедрят цифровые технологии, включая обработку и анализ больших данных. Компании Eurasian Foods, «Кентауский трансформаторный завод», «Химфарм», Karlskrona, «Алматинский вентиляторный завод», «АК «Алтыналмас», «Бал Текстиль» выбраны в качестве «модельных цифровых фабрик».

В частном бизнесе большие данные и предиктивную аналитику используют в основном крупные компании. В их числе «Казцинк», Kaspi Bank и Kcell. Средний бизнес пока отстает в освоении этого важного инструмента. Причиной тому может быть отсутствие возможностей у среднего и малого бизнеса растить компетенции внутри компаний. Своим заказчикам из МСБ мы в таких ситуациях с предлагаем бизнес-консалтинг в области предиктивной аналитики, то есть по сути берем необходимые компетенции на аутсорсинг.
Кадры – одна из главных проблем

В своем послании народу Казахстана от 10 января 2018 года президент страны Нурсултан Назарбаев отметил, что использование больших данных способно «обеспечить качественной аналитикой, выявить резервы роста и снизить избыточные затраты», и с этим сложно поспорить. В то же время в сфере предиктивной аналитики в Казахстане существуют определенные проблемы, которые тормозят ее широкомасштабное распространение.

Одна из них – это нехватка кадров. Бизнес-аналитиков и data scientists в стране пока очень немного, хотя спрос на них неуклонно растет, при этом уровень оплаты их труда значительно ниже, чем в Европе или США. В том же послании Назарбаев отмечает, что необходимо больше выпускников, обученных работе с искусственным интеллектом и большими данными. К слову, в этом году SAS Россия/СНГ открыла в Алматы свой Учебный центр, многие курсы которого посвящены именно предиктивной аналитике, машинному обучению и big data.

Что вы знаете о ваших данных?

Еще одна существенная проблема в том, что многие компании, особенно из сегмента среднего бизнеса, не понимают потенциал предиктивной аналитики. О больших данных и машинном обучении они пока слышали немного, а, значит, им сложно понять, насколько ценны те данные, которые у них уже есть, пусть даже в небольшом количестве. Предиктивная аналитика помогает разобраться со своими данными и в том числе повысить их качество.

Копаниям, которые только начинают внедрять предиктивную аналитику, мы рекомендуем начать с описательной аналитики, она позволит понять свои процессы и выявить причины происходящего и влияющие факторы, найти узкие места и увидеть, каких данных не хватает. Таким образом, компания будет постепенно автоматизировать бизнес-процессы и внедрять в свои процессы принятия решений уже не только описательные, но и предиктивные модели.
Необходимы организационные перемены

На пути к цифровой трансформации предприятия сталкиваются с организационными проблемами. Многие компании, создавая специальные подразделение по работе с данными, не получают тех результатов, на которые рассчитывали. Зачастую это происходит из-за нехватки опыта в построении аналитической команды.

Это острый вопрос не только для Казахстана, но и для всего мира: как внедрить бизнес-аналитику в работу компании, не разрушив при этом бизнес-процессы, которые создавались годами, а, наоборот, усовершенствовав их. Для предприятий очень важно выстроить отношения между производственным подразделением и дата-офисом так, чтобы первые не считали вторых обузой, а вторые не выполняли работу за первых. Просто создав дата-офис, вы ничего не получите, – необходимо понять, как он вписывается во все остальные процессы.

Прогнозная аналитика и производство

Сейчас мы наблюдаем большой спрос на интегрированную систему планирования деятельности предприятия. С ее помощью можно добиться существенных финансовых выгод для компании за счет оптимизации ключевых показателей. Сегодня предиктивная аналитика на производстве применяется для мониторинга ключевых процессов. Например, управления надежностью оборудования (мониторинг состояния, выявление неисправностей, прогнозирование поломок, планирование ремонтных программ), управления качеством продукции (прогнозирование свойств конечной продукции, выявление дефектов на этапе производства, прогнозирование неисправностей на этапе гарантийного обслуживания). Для решения этих задач используют методы машинного обучения и анализа больших данных.

Еще необходимо учесть, что на производстве есть разные уровни принятия решений: от решений буквально в момент работы конвейера, когда вариант действий на основе машинного обучения нужно выбрать здесь и сейчас, до стратегических решений на этапе формирования долгосрочных планов.
Прогнозная аналитика развивается, но еще есть над чем работать

Развитие прогнозной аналитики идет семимильными шагами: каждый день появляются новые идеи, новые прогнозные модели, аналитику использует все больше компаний из разных отраслей со всего мира. При этом самый большой потенциал заключается в использовании огромного объема данных прямо с производственного процесса, это позволило бы выстраивать сложные прогнозные модели.

В идеале для этого и само производство должно быть современным, хотя в то же время существует еще очень много старых заводов. Поэтому сейчас активно решается вопрос оцифровки существующих предприятий и создания цифровых 3D моделей уже существующих заводов. Один из методов оцифровки сегодня – использование миниатюрных дронов. Их отправляют на производство, где они фотографируют объект, измеряют расстояния и собирают другую информацию, на основе которой составляется облако точек. Это еще не 3D модель оборудования, однако, благодаря использованию нейронных сетей сложной архитектуры, можно определять целые агрегаты или их составляющие. Это одна из многих интересных задач, которые нам предстоит решать в ближайшие годы.
Оцените наш материал
Поделитесь с друзьями
Читайте также:
Made on
Tilda