1. Главные новости
›
2. Эксперты

Data science – неотъемлемая часть ведения бизнеса

Мир компьютерных технологий меняет нашу жизнь из года в год все сильнее. Сегодня уже трудно представить свой повседневный быт без мобильной связи, интернета, ноутбука или смартфона. Также и бизнес сегодня во многом опирается на сбор и анализ цифровых данных. А значит, все чаще проникает в нашу жизнь. Что же такое data science и как влияет на нашу деятельность? Поговорить об этом мы решили с директором по цифровым технологиям компании Technodom Ильей Егоровым.

- Давайте поговорим о data science на языке, который понятен большинству наших граждан.

- Data science – это наука о методах анализа данных и извлечения из них ценной информации, любой информации. Она дает возможность прогнозировать те или иные последствия. Простой пример. Если с вечера облака покраснели, значит – с утра будет дождь. Наши предки пришли к такому заключению путем многолетних наблюдений. Прогноз погоды влияет на целые бизнес-индустрии. Например, если известно, что лето будет жарким, значит,в тренде будут кондиционеры, соки, мороженое, аквапарки и так далее. Или наоборот, лето будет холодным и дождливым – спросом будут пользоваться зонты, теплые вещи, туристические поездки за границу. На основе таких прогнозов можно проработать свою стратегию. Подобных факторов, которые влияют на тенденции, множество, и все они обрабатываются очень быстро и дешево. То есть краткосрочный или долгосрочный аналитический прогноз – это один из результатов работы data science. На основе этих технологий, обработке информации построены различные сервисы по поиску работы. Проанализировав миллионы резюме за длительный срок и список требований к вакансиям, можно понять, что нужно сделать для того, чтобы тебя взяли на работу.

- И программы настраиваются под заданные критерии вручную каждый раз?

- Совсем не так. Не программы настраиваются вручную, а инструменты data science самообучаются. Идея создания data science появилась давно, но тогда компьютеры были очень слабыми, но элементарные вещи уже работали. С развитием компьютеров человек создавал для машин понятные алгоритмы работы, которые приводили к ожидаемому результату. С каждым разом алгоритмы становились все сложнее и сложнее, и сейчас этот подход устарел, потому что сложные алгоритмы долго и дорого создавать. Для эффективной работы с большими данными нужен другой метод, и им стало машинное обучение. Человек только дает компьютеру какие-то вводные, и результаты работы такого инструмента машина получает сама. Как ребенок получает навыки? Методом проб и ошибок. Data science создает модель, которая учится как надо делать правильно.

- Это фактически искусственный интеллект?

- Да. Просто надо понимать, что есть разные версии ИИ. Человек – сильный интеллект, который способен сам принимать решения, компьютер такого не может – он слабый ИИ, может хорошо делать примитивные вещи. Хорошим примером является робот-пылесос. Ты его запустил в комнату, он ее «осматривает», запоминает, создает свою карту и убирает. Если ты поставишь посередине комнаты стул, то робот перестраивает карту, просто вносит новые данные и продолжает работу. Он сам обучается, именно обучается, а не просто опирается, так сказать, на какие-то датчики. Он может делать простые вещи и обучаться. И через миллион лет он уже, наверное, сможет немного больше, если физически не износится. Существует возможность, что в скором времени появится настоящий искусственный разум. Каким он будет на практике – это уже область предположений.

- То есть сейчас мы стоим на пороге новой эволюции – не просто технологической, когда на смену лошади пришли машины, а человеку на фабриках – станки, конвейеры и так далее. А на пороге интеллектуальной революции – людям придут на помощь уже фактически роботы в мыслительных процессах.

- Человечество на протяжении всей истории эволюционирует. Тысячи лет назад люди, возможно, вообще не умели разговаривать, издавали просто какие-то звуки. А теперь мы с вами сидим в кафе, и наш основной багаж знаний хранится уже не в голове, а в вашем смартфоне, а именно в Google, «Яндексе» и так далее. Там есть вся информация, которая только сможет вас заинтересовать, охватить ее в любом случае не получится, а data science может. И какую задачу поставить модели, ту она и выполнит.

- Сейчас много говорят о цифровизации, каковы наши успехи в этом направлении?

- Работа идет. Просто иногда мы об этом не задумываемся. Радует, что в вузах стали обучать программистов, появляется своя тусовка дата-сайентистов. В первую очередь все это развивает бизнес, он диктует свои законы. Мы вынуждены идти вслед за процессом. Впереди планеты всей в этой индустрииСША и Китай. Китайцы вообще ушли вперед от всех, потому что у них, на мой взгляд, несколько пренебрежительное отношение к определенным вещам, таким как личное пространство или безопасность. Государство стоит над обществом и не особо фокусируется на защите персональных данных, в отличие от Запада. Поэтому разработки идут полным ходом в самых разных направлениях. Если у них беспилотный автомобиль кого-то задавит, то реакция будет в стиле «да, жалко, постараемся учесть этот опыт, но разработки мы не остановим». Для большей части планеты это было бы огромное происшествие, а для них – всего лишь сопутствующая потеря. Как бы цинично это ни звучало, это большой плюс для прогресса. В развитие искусственного интеллекта Китай сейчас направляет средств если не больше, чем все остальные страны вместе взятые, то очень близко к этому.

Они собирают любую информацию, которая им необходима: с кем ты общаешься, о чем говоришь, где ходишь, что покупаешь и т.д. Все это сохраняется и используется.

- Насколько Big data помогают увеличивать продажи?

- В некоторых случаях в разы. Сегодня это неотъемлемая часть ведения бизнеса, не только в продажах. Просто нужно правильно настроить модель. Эти технологии можно применять во многих сферах деятельности, например, в безопасности. На крупном объекте, скажем в ТРЦ, есть система видеонаблюдения. Когда система фиксирует нестандартное поведение или действия, которые не подпадают под привычные критерии, то она подает сигнал. Туда отправляется сотрудник, и он уже на месте разбирается с ситуацией. Другая сфера – обслуживание. Проанализировав чеки, мы можем понять, сколько людей приходит в определенное время и сколько на их обслуживание требуется официантов. Или кассиров в магазине. Вам нет необходимости полный рабочий день держать большое количество персонала, чтобы справиться с наплывом клиентов в заданное время. Это примитивные примеры. Есть вещи, на которые мы не обращаем внимания, хотя они являются производной data science. Например, коробка автомат в вашем автомобиле. Это фактически робот. У него есть исходные настройки, и он подстраивается под ваш стиль вождения, адаптируется. Искусственного интеллекта там мало, но принцип работы построен на этом.

- Насколько доступны подобные технологии малому и среднему бизнесу?

- Весьма доступны, если в этом есть необходимость. Даже на простом ноутбуке можно сделать подобную программу. Мощностей этого компьютера хватит, чтобы обработать достаточно большое количество данных. Если вы продавец в овощной лавке, то вам вряд ли понадобятся эти технологии, Вы делаете это все интуитивно. Но для более широкого охвата рынка для вас они станут практически обязательны. Сейчас этими программами массово пользуются различные специалисты – маркетологи, менеджеры по продажам и так далее. В той или иной степени, согласно своим требованиям и задачам. Часто привлекаются специалисты по цифровизации со стороны, из аутсорсинговых компаний, но все-таки желательно иметь своих сотрудников, чтобы опыт накапливался именно внутри компании.