Анна Племяшова ответила на вопросы корреспондента компании Labelmen

Анна Племяшова, Руководитель Департамента аналитики больших данных и искусственного интеллекта Beltel Datanomics.

Labelman: Здравствуйте, Анна! Давайте начнем с вводного вопроса об истории эволюции ИТ-рынка больших компаний. Современный мир постоянно прогрессирует и большие компании вынужденно обрастают все более «сложными» системами и «необходимостями». Именно с такими кейсами вы и работаете. Скажите, как изменился корпоративный мир за более чем 20 лет вашей практики?

Beltel Datanomics: Компания “Белтел” более 25 лет работает на российском ИТ-рынке, непрерывно обновляя портфель решений в соответствии с развитием бизнеса и технологий и, конечно, за это время перед нами прошла целая история становления и развития технологических решений.

В конце 90-х самой востребованной услугой, которую предлагала наша компания, было построение телекоммуникационной инфраструктуры для бизнеса, другими словами, телефония и сети передачи данных. В те годы никому даже в голову не могло прийти, что через 15 лет мы будем телефонами расплачиваться, а словосочетание «мобильный интернет» удивило бы: «Какой-какой интернет?». 20 лет назад выход в интернет сопровождался магическим звуком модема (кто не слышал, в том же интернете можно найти записи), и вокруг рабочего места было много-много проводов. Сейчас бизнес максимально беспроводной, начиная от беспроводной клавиатуры и мыши — до сети wi-fi, мобильной связи, но и это не предел — корпоративный мир устремился в облака. Облачные решения обеспечивают мобильность, распределенные рабочие места, возможность дистанционной работы, связанность информации из разных источников, экономичные вычислительные мощности и доступность.   

L: Какой основной прогрессивный тренд вы можете выделить? Будущее требует куда более сложных решений, автоматизации процессов и внедрения радикальных методов? Или же наоборот — все чаще крупные компания стремятся «упростить» системы?

B: Время сложных монолитных систем, на мой взгляд, закончилось в конце нулевых. Стало понятно, что достигнута критическая масса и дальнейшее наращивание функционала, например, ERP-систем — это риски, ненужное усложнение и зависимость от обновлений. 

Большинство организаций стремится к созданию собственных многофункциональных платформ управления бизнесом. Может быть несколько платформ — клиентские, корпоративные, сопутствующих продуктов. Платформу можно «вырастить» из текущих ERP-систем (например, основной учетной системы), встраивая полезный функционал как микросервисы, каждый из которых работает как независимый модуль и коммуницирует с другими, используя стандартные механизмы интеграции. Это некая технологическая персонализация — из большого количества решений вы выбираете те, которые применимы для вашего бизнеса, и надстраиваете ими, как кубиками, текущие системы. 

Микросервисный подход — безусловный тренд в построении архитектуры сложных приложений для бизнеса и качественного изменения компании и продукта. 

Подробнее об бизнес-платформах и микросервисном подходе можно прочитать в наших статьях: 

Создание ценности через цифровую трансформацию. Вы уверены, что ничего не упустили?

Как микросервисный подход к реализации аналитических решений влияет на бизнес?

L: Последнее время крупный ритейл старается автоматизировать свою работу и как можно эффективнее работать с покупателем, стараясь исключать операциониста-продавца (особенно ярко в продуктовом масс-маркете). В США уже запущены первые магазины без продавцов. Чувствуете ли вы необходимость в подобных решениях в России? Или тут совсем другой вектор развития?

B: Мир сейчас настолько связан, что практически все технологическое развитие идет достаточно ровно от страны к стране. В России некоторые технологии применяются даже шире, чем в Европе, например, те же оплаты телефонами, компьютерное зрение в ритейле. 

Но стремление попробовать что-то новое или быть на волне хайпа не равно повышению эффективности. В России тоже запускались магазины без продавцов, но пока это начинание дальше информационной повестки отдельной ритейл-сети не пошло. Дело в том, что затраты на внедрение некоторых новых технологий и создания инфраструктуры, которая будет их обслуживать, может не покрывать возможные доходы от внедрения. 

Вы видели потолок AmazonGo, того самого магазина без продавцов и касс? Сейчас я вам покажу!

Эти черные коробочки на потолке — камеры. Ими утыкан весь магазин, понятно, что вложение в инфраструктуру «влетит в копеечку». Система компьютерного зрения — собственная разработка Amazon. Кроме того, Amazon — один из крупнейших облачных провайдеров и обладает собственными вычислительными мощностями, чтобы распознавать миллионы (возможно, и миллиарды) событий с видеопотока. Пока я не вижу игрока, который мог бы повторить подобное без ущерба для бюджета, причем не только в России. 

Ритейл в России — отрасль сильно конкурентная, возможно, по этой причине активно пробует и внедряет новые технологии. Но ритейлеры очень хорошо умеют считать деньги, поэтому прежде чем запускать масштабное развертывание все проекты тестируются в пилотных зонах и оцениваются на экономическую эффективность. Я, как обычный покупатель, замечаю качественные изменения в работе магазинов, а как специалист из ИТ отрасли понимаю, какие технологии за этими изменениями стоят: это и машинное обучение, технологии компьютерного зрения, облачные технологии, аналитика больших данных, интернет вещей. 

L: Как вы работаете с данными и статистикой? Для чего используете информацию и как она может повлиять на развитие бизнеса заказчика? Какие выводы можно сделать?

B: С задачей построения аналитических отчетов прекрасно справляются отделы аналитики заказчиков, мы разрабатываем законченные решения или микросервисы, которые интегрируются в существующие системы и решают конкретную задачу. 

Например, для прогнозирования продаж с целью автозаказа или планирования объемов производства потребуется построить модель. Мы используем алгоритмы машинного обучения: они демонстрируют высокую точность, быструю адаптивность и самообучаемы в процессе использования. 

Для построения модели потребуются исторические данные за два-три предыдущих года: о продажах, остатках, списаниях, данные о проведении акций и их видах. Модели, как правило, строятся для каждой номенклатуры в разрезе магазинов или каналов продаж с частотой и горизонтом прогнозирования, которые указаны в техническом задании заказчика. 

Для удобства обмена данными мы создаем веб-интерфейс, через который заказчик может автоматически выгружать данные в согласованном формате. 

Повышение точности прогнозирования ведет, прежде всего, к снижению страховых запасов, повышению товарооборачиваемости и ликвидности — нет необходимости «замораживать» средства на складах. 

На основании данных о продажах можно строить рекомендательные сервисы, которые формируют персонализированные предложения клиентам. Использование подобных подходов позволяют увеличить продуктовую матрицу клиента, повысить доходность за счет таргетированных скидок, увеличить средний чек клиента. 

L: Big Data зачастую определяет развитие современной экономики и бизнеса. Как представители данной вехи индустрии, можете ли сделать предсказание на будущее? Как сильно изменится подход в эпоху «выхода из пандемии», какие тренды сохранятся, а какие полностью преобразуются?        

B: Останется и закрепится тренд дистанционной и распределенной работы — облачные технологии дают множество возможностей и упрощений. Проверить состояние склада, сформировать заказ — все это сможет любой сотрудник со своего смартфона через личный кабинет. 

По этой же причине сохранится тренд на он-лайн покупки. Интерфейсы становятся удобными, возможности доставки развиваются, сбор заказов осуществляется оперативно, некоторые поставщики готовы привозить покупки в день заказа. 

Что касается Big Data, то для обычного бизнеса актуальнее их собственные данные — они так и называются Small Data, анализ которых с учетом внешних факторов (дни недели, праздники, погода, сезонность) будут давать полезные инструменты для работы с клиентами и улучшения операций: персонализацию, таргетированный маркетинг, точное планирование закупок и объемов производства.

L: Большое спасибо за интервью! Надеемся, что теперь еще больше компаний осознают пользу и необходимость работы с современными сервисами. А когда они наконец решат обзавестись авторской системой, им будет к кому обратиться.  

Оставьте заявку и получите бюджет и план внедрения наших решений в ваш бизнес

    Заполняя форму, Вы соглашаетесь с правилами обработки персональных данных.

    Мы используем файлы cookies, чтобы получать статистику и делать наш сайт и другие сервисы удобными для вас. Продолжая дальнейшее использование сайта и/или его сервисов, вы соглашаетесь с этим. Более подробную информацию можно прочитать в «Политика обработки персональных данных» и в «Политика Cookies»