Промышленность: «Цифровые двойники» заводов и предсказание поломок
Промышленные предприятия в России все активнее внедряют системы мониторинга, основанные на Big Data, для мгновенного анализа состояния оборудования. Это помогает предсказывать сбои и поломки, заменять детали до того, как возникнут проблемы, и снижать операционные расходы. Надежность оборудования становится выше, а производственные процессы – более эффективными.
Так, согласно исследованию «Т1», в тройку отраслей-лидеров по цифровизации попала металлургия, которая уже приближается к созданию полноценных «цифровых заводов». Соединяя большие данные, собранные в цехах и на линиях, предприятия способны оцифровать каждый производственный процесс и создать «цифрового двойника». Затем с помощью искусственного интеллекта специалисты в области Data Science могут воздействовать на определенные процессы – и на основе полученного результата принимать решения, добиваясь высокой производительности.
Кейс НЛМК
На производстве используется технология «умный склад», которая позволяет быстрее подбирать слябы (толстые стальные заготовки) для загрузки в нагревательные печи и последующей прокатки. После того, как все данные о процессе от разливки стали до проката были оцифрованы, а основные процедуры автоматизированы, компании удается экономить на энергоресурсах при разогреве перед прокаткой и выполнять меньше крановых операций.
Труд специалистов также становится безопаснее – сотрудники теперь могут не находиться в пространстве движения погрузчиков или кранов, вблизи раскаленных слябов, а значит, их жизни и здоровью ничего не угрожает. Основную часть времени они следят за «умной» системой с удаленного и безопасного рабочего места.
Логистика: планирование грузоперевозок и предсказание аварий
Современная логистическая цепочка сегодня предполагает работу с большим объемом данных различного формата – это, к примеру, сведения по маршруту из рейса, отчеты о погрузке и разгрузке, простоях, оплатах и т.д. Неудивительно, что логистические компании сегодня все активнее берут на вооружение технологии работы с Big Data для максимальной оптимизации процессов доставки.
К слову, подталкивают их к этому и изменения в законодательстве: так, с 2024 г. транспортная накладная переводится в электронный формат — участники рынка автомобильных грузоперевозок обязаны уйти от транспортных документов в классическом бумажном виде. И в итоге, с переходом на электронный документооборот компаниям приходится оцифровывать и другие процессы, в том числе с применением технологий больших данных.
Кейс «700 дорог», «Транслайн», «Сотранс», «Неотранс» Эти компании не так давно перешли на использование цифровой логистической платформы, которая на базе обработки больших данных помогает повысить скорость обработки заявок, сокращать простои и порожний пробег, находить дешевые заправки, контролировать, где и сколько топлива использует водитель.
Как сообщает одна из компаний с парком в 400 единиц техники, до внедрения платформы один логист вел 30 машин, порожний пробег которых достигал 15%. После автоматизации процессов он смог вести 80 машин, а порожний пробег сократился в два раза.
Ритейл: персональные предложения и оптимизация выкладки товаров
Сфера ритейла чуть ли не активнее всех внедряет в бизнес-процессы технологии работы с большими данными. Это позволяет компаниям лучше понимать свою целевую аудиторию, анализировать поведение клиентов, выявлять тенденции в потребительском спросе и формулировать наилучшее предложение.
Помогают данные также для оптимизации выкладки продукции - она становится более точной, и продажи растут, так как компании знают, какие товары в какой месяц и время суток популярнее. Итог – предложения магазинов становятся все более персонализированными.
Кейс «Магнит» В конце 2020 года сеть «Магнит» начала использовать платформу Customer Value Management, которая формирует индивидуальные покупательские приложения на основе массива данных программы лояльности сети. Так, на конец 3 квартала 2021 г. в ней насчитывалось почти 55 млн держателей карт лояльности, а доля покупок с использованием карт составляла порядка 65% в продажах.
Теперь с помощью ИИ-алгоритмов система автоматически делит аудиторию на группы, ориентируясь на различные параметры за всю историю общения с клиентами. Затем формируются предложения для самых разных сегментов: от наиболее релевантных продуктов до скидок и купонов с бонусами.
Кейс X5 Group Х5 Retail Group несколько лет назад начала использовать решение с открытым кодом для аналитической обработки больших объемов данных. Представители X5 сообщают, что создали аналитический слой больших данных с сервисом, доступный каждому аналитику компании. С его помощью они могут быстро принимать управленческие решения, анализируя товары, чеки, клиентов-поставщиков и их контрагентов.
Банки и страхование: оценка платежеспособности и война с мошенниками
Финтех, как известно, оказался впереди планеты всей в том, что касается применения передовых технологий – и в том числе работы с большими данными. Чаще всего банки используют Big Data для анализа информации о клиентах и их платежах, чтобы точно оценить кредитоспособность человека, оградить его от мошенников и вывести клиентские сервисы на новый уровень. Большие данные в финансовом бизнесе можно применять самыми разными способами.
Кейс ВТБ Банк использует модель транзакционного антифрода, которая базируется на стриминговой обработке данных. Инструмент выделяет транзакции, которые кажутся ему аномальными – они могут говорить о том, что карта скомпрометирована, система взломана. Модель понимает, что это нетипичное поведение для конкретного клиента и может заблокировать операции, чтобы остановить мошенников.
Чтобы понять, что происходит незаконная операция, система предварительно анализирует поведенческие данные о транзакциях, геопозиционирование, «путь клика» пользователя, голос, видео, текстовые сообщения – даже то, какие речевые обороты человек обычно не употребляет.
Медицина: прогноз заболеваний и сбор информации о пациентах
Пандемия коронавирусной инфекции, настигшая человечество в конце 2019 года, вскрыла немало проблем в системах здравоохранения разных государств – выяснилось, что инфраструктура к массовым инфекционным заболеваниям не готова, а медперсонала и больниц не хватает. А еще появилось понимание того, что принимать важные организационные решения невозможно без оцифрованных глобальных данных о распространении инфекции.
В итоге страны начали применять интеллектуальный анализ беспрецедентного количества данных о коронавирусе, чтобы анализировать характер волн заражения, делать прогнозы, планировать объем койко-мест. Активнее врачи, в том числе в Москве, начали пользоваться телемедицинскими сервисами для удаленного контроля состояния пациентов и сбора информации о них. Стали появляться ИИ-решения для анализа, например, рентгеновских изображений легких и выявления пациентов, у которых развивается пневмония.
Применяться большие данные начали и для разработки вакцин – а затем и других лекарств.
Кейс Разработка вакцины Стартап Inceptive разработал программную платформу искусственного интеллекта. На основе огромного массива больших данных она проектирует особые молекулы, состоящие из мРНК – биологической единицы. Ранее Pfizer и BioNTech применяли ее для изготовления вакцин против коронавирусной инфекции.
Inceptive также сообщала, что сотрудничает с крупной европейской фармацевтической компанией, использующей молекулы стартапа для создания новой вакцины от инфекционных болезней.
Образование: помощь в выборе курсов и предотвращение отчислений
Автоматизация учебного процесса в последнее время становится одним из ключевых направлений в сфере образования, и Big Data тут также играют не последнюю роль. Сегодня, благодаря аналитике больших данных, процесс обучения можно настроить таким образом, чтобы он максимально соответствовал индивидуальным особенностям каждого студента.
Так, алгоритмы теперь помогают анализировать поведение учащихся, темы, которые у них вызывают затруднение, корректировать учебные программы, делая их более гибкими, выявлять более слабых студентов, анализируя паттерны успеваемости. Большие данные также помогают определить, какие мультимедийные элементы эффективнее для каждой конкретной группы учеников.
Кейс Московский городской педагогический университет Коллектив исследователей МГПУ запустил систему, которая с точностью в 71% прогнозирует успеваемость студента в следующем семестре. Модель анализирует для этих целей самые разные данные: баллы ЕГЭ, результаты предыдущих сессий, сведения о том, участвует ли студент в общественной деятельности и берет ли книги из университетской библиотеки.
Благодаря новому методу, в университете удалось в два раза снизить процент отчислений за неуспеваемость.
Маркетинг: персонализированные системы скидок
Большие данные давно играют важнейшую роль в цифровом маркетинге, так как они позволяют привлекать целевую аудиторию, увеличивать конверсию и повышать прибыль. Также Big Data помогает прогнозировать потребительские тренды, анализировать отзывы клиентов в социальных сетях и оптимизировать ценообразование и систему акций.
Кейс Walmart Американская сеть оптовой и розничной торговли Walmart не так давно трансформировала доставку товаров на основе Big Data. Компания начала применять прогнозную аналитику - и в итоге ей удалось увеличить минимальную сумму онлайн-заказа с бесплатной доставкой. Также алгоритмы позволяют Walmart позволяют анализировать покупки по банковским картам, чтобы выдавать персонализированные рекомендации для клиентов, ориентируясь на историю их покупок.
Кейс Very Британский онлайн-ритейлер Very показывает актуальную погоду своим клиентам на домашней странице портала, ориентируясь на их географические локации. На основе информации о местоположении пользователей компания также подбирает для них специальные предложения.
На каждом баннере сайта фигурирует имя клиента - реклама обращается к нему напрямую. У ритейлера в общей сложности свыше 1,2 миллиона вариаций главной страницы.
Подведем итог: технологии работы с большими данными применяют все больше российских компаний, так как они помогают серьезно повысить операционную эффективность – сократить нагрузку на сотрудников, оптимизировать и трансформировать классические бизнес-процессы и в конечном счете увеличить прибыль.
