Данные для глубинного обучения

Мир становится цифровым – все больше компаний и организаций во всем мире меняют свои бизнес-модели, стремясь максимально полно использовать все доступные им данные для учета текущих и прогнозирования будущих потребностей своих клиентов и заказчиков. Растет важность машинного обучения при анализе данных и построении прогнозных моделей. Доклад посвящен анализу особенностей каждого этапа обработки данных и инструментов, применяемых в течение жизненного цикла систем искусственного интеллекта. Особое внимание уделено обзору сервисов, используемых для сбора, хранения, обработки и первичного анализа данных для построения моделей глубинного обучения и визуализации результатов. На конкретных примерах раскрывается процесс решения прикладных задач с использованием сервисов Yandex DataSphere, DataLens, Data Proc и др.

Как построить унифицированное аналитическое хранилище

С ростом объемов хранения и обработки данных все чаще возникает вопрос – где же
находится в настоящий момент актуальная версия данных? Где лежат данные, готовые к
отображению? Это значит, что обработку данных необходимо осуществлять максимально
близко к местам их размещения, избегая создания лишних копий в разных информационных
системах. Доклад посвящен обсуждению требований, предъявляемых к современным
хранилищам данных: гибридное развертывание, наличие аналитических функций,
возможность масштабируемости и высокая производительность на петабайтных объемах.
Особое внимание уделено разбору примеров по оптимизации инвестиций в корпоративные
инфраструктуры обработки данных, построенные на базе решений с открытым кодом. Кроме
этого рассматриваются различные варианты построения конвейера для глубокой обработки
данных с помощью СУБД Vertica.

Данные – это про прибыль. Решения для работы с Big Data

Данные сегодня имеют критически важное значение, позволяя компаниям создавать инновационные решения, получать конкурентные преимущества и принимать более взвешенные решения. Однако, управление данными создает для компаний большие трудности – цифровая трансформация невозможна без надежной архитектуры работы с данными и соответствующих аппаратно-программных решений. Доклад посвящен обсуждению комплексных систем от компании Atos, специально предназначенных для работы с большими данными и средствами видеоаналитики.

Яндекс.Метрика в проектах федерального масштаба

Обеспечение эффективного функционирования любого сайта невозможно без накопления и анализа статистики его эксплуатации, например с целью изучения поведения действий пользователей на порталах по видеонаблюдению. Как оптимально собирать статистические данные на проектах федерального уровня не потратив огромных средств и не сорвав сроки? Нужен ли свой собственный сервис или можно взять готовый? Доклад посвящен обсуждению опыта применения сервиса Яндекс.Метрика, используемого для изучения поведения пользователей на портале, сбора сведений о используемых ими устройствах, браузерах, разрешениях и т.д. с учетом нестандартных задач, решаемых федеральными порталами, за которые отвечает «Ростелеком». Особое внимание уделено анализу конкретных примеров передачи и обработки произвольных наборов данных, а также их использованию при анализе в совокупности со стандартными данными, собираемыми сервисом Яндекс.Метрика для формирования витрин данных, группировки и сегментации. Все это иллюстрировано в докладе на примере разбора конкретных сценариев использования параметров пользователей и результатов их визитов на портал: длительность просмотров трансляций по объектам, сбор статуса трансляций в плеере пользователя, работа с поиском и пр.

Инвентаризация данных

Для реализации проектов с использованием искусственного интеллекта необходима обучающая выборка на основе данных, используемых для управления производством и можно ожидать, что достаточно просто взять архив таких данных и начать работать. Однако, это не так. При оперативном управлении применяется комбинация оцифрованных и архивных данных (вес, температура, химический состав и т. п.), а также сведения, непосредственно доступные оператору (цвет и объем дыма, шумы от оборудования и т.д.). Кроме того, даже цифровые данные не всегда хранятся после отображения в интерфейсе, а если и хранятся, то могут содержаться в анонимных таблицах без описаний и вне привязки к процессу и оборудованию. Ситуацию усугубляет еще и то, что чаще других теряются наиболее ценные данные: диагностированные проблемы, принятые меры и пр. Если предприятие собирается использовать машинное обучение для для улучшения своих производственных процессов, то стоит начинать именно с инвентаризации данных – простой, нудной работы, но позволяющей понять, какие именно данные используются, какая часть из них накапливается и в каком виде, а какая полностью теряется сразу после использования. В докладе на конкретных примерах показано, как относительно просто провести инвентаризацию данных, позволяющую подготовить почву для проектов по реализации предсказательных и рекомендательных моделей.

Платформа «Автодата»: управление автомобильными данными

Национальная навигационно-телематическая платформа «Автодата» призвана обеспечить формирование массива статистических и аналитических данных о колесных транспортных средствах, дорожной инфраструктуре, а также сопутствующей информации в транспортной сфере, связанной с логистикой людей и вещей. Платформа должна позволить сформировать массив данных по всему жизненному циклу автомобиля с момента его выпуска в обращение до утилизации: данные о функционировании бортовых систем, поведение водителя, телеметрия взаимодействия с автотранспортной инфраструктурой, а также создать цифровую среду для поддержки движения транспорта с различными степенями автоматизации по дорогам общего пользования. Доклад посвящен обсуждению задач, которые должна решать «Автодата», источников данных для нее и логики их сбора, особенностей их верификации, обогащения и обработки, а также перспектив применения платформы автомобильных. Особое внимание уделено обзору архитектуры платформы.

Интеллектуальный анализ документов

Объем неструктурированных данных в компаниях сегодня растет в геометрической прогрессии и составляет уже тера- и петабайты различной технологической, проектной и нормативно-методической документации, публикаций и научной литературы. При отсутствии консолидированного хранилища и инструментов поиска компании сталкиваются с проблемой использования всех этих накопленных данных, на поиск и обработку которых сотрудники часто тратят слишком много времени. Системы корпоративного поиска (Enterprise Search), построенные на базе технологий искусственного интеллекта и средств обработки естественного языка потенциально способны значительно ускорить процесс поиска информации, максимально релевантной запросам. В докладе на конкретных примерах обсуждаются возможности применения систем интеллектуального поиска и анализа документов для автоматизации работы различных групп пользователей.

НСИ – связующее звено: Data Governance и Data Management

Комплекс мероприятий по созданию системы управления с помощью данных включает широкий спектр процессов: управление стратегией компании, управление ИТ-стратегией, управление проектной деятельностью, управление разработкой и сервисной поддержкой ИТ-активов. На практике нередки случаи совмещения понятий Data Governance (DG), представляющего, по сути, законодательную «ветвь власти», и Data Management (DM) – исполнительной «ветви власти». В связи с этим часто возникает вопрос, что именно из себя представляет «Управление данными», как оно ими управляет и управляет ли вообще? В ГК «Росатом» используются сложные технологические процессы, используемые при проектировании и сооружении крупномасштабных энергетических установок, в машиностроении, добычи полезных ископаемых и генерации электроэнергии. Применение корпоративных системы НСИ позволяет унифицировать обмен данными в отраслевых бизнес-процессах, повысить их эффективность и подготовить основу для внедрения подходов и методологий DG и DM. В докладе раскрываются ключевые различия между понятиями DG и DM, а также обсуждается роль и важность НСИ, как главного средства связи между уровнем контроля и прикладным уровнем, позволяющего наполнять метаданные данными.

Управление данными в интегрированном планировании

Интегрированное планирование объединяет всю цепочку создания стоимости от переработки до сбыта с целью создания сквозного плана, позволяющего минимизировать риски несоответствия между спросом и предложением – компания должна производить ровно столько нефтепродуктов определенной номенклатуры, сколько может перевезти и реализовать для удовлетворения потребностей рынка. Такое планирование дает возможность оперативно и эффективно управлять жизненным циклом продукта по всей цепочке добавленной стоимости с учетом существующих ограничений и имеющихся возможностей. Доклад посвящен обсуждению бизнес-задач, проблем, преимуществ и результатов реализации проекта интеграционного планирования: оптимизационная модель (функционирование, вход-выход); изменения по итогам реализации проекта – сложности и пути их преодоления. Особое внимание уделено анализу процессов работы с данными – что пришлось поменять в работе с данными, основные проблемы и решения, изменение отношения к данным в бизнесе.

Обработка корпоративной информации на естественном языке

Люди обычно предпочитают работать с информацией на естественном языке, а не со структурированными данными – текстовые документы составляют значительную часть данных и значительный объем знаний предприятия. Вместе с тем, до сих пор наиболее распространенный способ работы с такими документами – полнотекстовый поиск, не учитывающий смысла обрабатываемых текстов. Большинство существующих сегодня средств интерпретации естественного языка опираются на использование нейросетей, работа которых часто не поддается анализу, результаты иногда необъяснимы и неожиданны. Альтернатива – использование правил разбора текста, применимых, однако, только для решения относительно локальных задач. Сделать следующий шаг в обработке информации на естественном языке позволяет совместное использование онтологий, как средства представления концептуальных и языковых моделей, и методов машинного обучения. В фокусе доклада – методы и инструменты работы со смыслом, заложенным в текстовой информации: преобразование запросов аналитиков на естественном языке в запросы к структурированным данным; интеграция методов обработки информации на естественном языке со средствами консолидации корпоративных данных; извлечение смысловых конструкций из текстов на естественном языке с целью индексации и автоматизированного аннотирования.

Что нужно юристам в эпоху цифровой трансформации?

Работа юристов, как правило, оплачивается исходя из почасовой ставки – время стоит серьезных денег, которые платит либо клиент, ожидаемо не желающий нести расходы на техническую, с его точки зрения, работу, либо юридическая компания, что снижает ее billable rate (эффективность труда). Как одна из наиболее консервативных областей – юриспруденция переживает эпоху цифровой трансформации? Что нужно для того, чтобы клиенты не платили за подготовку рутинных документов и поиск данных в различных источниках, а юристы прежде всего занимались защитой интересов своих клиентов, а не тратили время на непроизводственную деятельность? Как организована интеграция с открытыми данными и что сегодня происходит в сфере информатизации деятельности юристов? Доклад посвящен ответам на эти вопросы, формулировке требований к «идеальной» системе для юриспруденции и обзору имеющихся на рынке решений (LegalTech) информатизации работы юристов. Особое внимание уделено анализу опыта эксплуатации интегрированной системы, созданной в правовом бюро «Олевинский, Буюкян и партнеры», а также обсуждению перспектив ее развития и еще не решенных задач в области цифровизации юриспруденции.

DataGovernance своими силами

Для того, чтобы данные стали ценным активом компании, необходимо, чтобы все ее сотрудники понимали, какими данными они владеют, где их можно получить и как использовать. Как показывают исследования, в крупных компаниях при решении задач работы с данными, от 40 до 80% времени уходит на их поиск. Однако, на практике ситуация еще хуже – данные могут быть безнадежно устаревшими, избыточными, многократно дублированными, либо о их существовании известно лишь узкому кругу пользователей. Данными нужно уметь эффективно управлять и на сегодняшний день на рынке имеются соответствующие решения класса DataGovernace, однако и они часто не позволяют решать конкретные задачи предприятия. Доклад посвящен обсуждению опыта разработки концепции DataGovenance в компании «Ростелеком». Особое внимание уделено анализу причин отказа от внедрения коробочного решения и инициации создания собственного инструмента документирования данных на основе стека Open Source.

Data Governance на службе у государства

Доклад посвящен обсуждению опыта выполнения федерального проекта мониторинга социально-экономических показателей в сфере здравоохранения, коммуникаций, экономики и обеспечения правопорядка. Успешное выполнение проекта такого масштаба было бы невозможно без технологии Руководства данными (Data Governance). Использование инструментов данного класса позволило не на бумаге, а на деле решать подобные задачи на принципиально ином технологическом и методологическом уровне. Особое внимание в докладе уделено анализу качества организации и бесперебойности процесса сбора показателей, а также возможности отслеживания происхождения данных по каждому из показателей.

Практика машинного обучения в Банке России

Эффективная работа с данными, с одной стороны, предполагает максимальную гибкость при работе с необходимыми инструментами, а с другой, всегда ограничена требованиями протоколов безопасности, охраняющих чувствительные данные от произвольного распространения. Несмотря на столь противоречивые требования, точка, в которой достижим правильный баланс – существует и найденные в результате построения прототипов удачные модели означают не конец, а начало пути. Следующий вопрос – как внедрять модели машинного обучения в промышленную эксплуатацию и как их поддерживать? В докладе на практических примерах моделирования систем машинного обучения в Банке России рассмотрены все плюсы и минусы процесса промышленной эксплуатации соответствующих моделей.

Работа с мастер-данными и трансформациями в корпоративном хранилище

При загрузке данных до уровня витрин корпоративного хранилища обычно выполняется переход от справочников систем источников к принятым в компании эталонным справочникам (мастер-данным). Однако, такая загрузка данных обычно очень зависит от времени выполнения процессов подготовки и согласования с бизнесом маппингов справочников систем источников. Кроме того, при внесении любых изменений в маппинги требуются длительные масштабные перезагрузки и перепривязки данных. Доклад посвящен обсуждению проблем, возникающих при загрузке бизнес-данных в корпоративное хранилище и подходов, применяемых в корпорации «Ростелеком» для существенного сокращения времени загрузки. Особое внимание уделено архитектуре основного хранилища данных, анализу особенностей его взаимодействия с источниками, а также используемым инструментам управления мастер-данными.

Как мгновенно найти работу и сотрудников

Многие работодатели и соискатели любят составлять резюме или вакансии из пары предложений, задавать запросы из одного слова и получать готовые контакты друг друга сразу же после того, как посетили сайт. Естественно, каждый из них делает все это по-своему, преследует свои конкретные цели, которые в кризисной ситуации меняются очень стремительно. Чтобы сделать все это возможным, сэкономив время соискателей и работодателей, требуется в реальном времени обработать все накопленные данные о их поведении на сайте, сформировать входной пул для системы машинного обучения, позволяющей предсказывать, кто кому подходит и сформировать итоговую индивидуальную витрину с вакансий и предложений. Доклад посвящен обсуждению технологий обработки потоков данных и архитектуры системы, позволяющей автоматически, без вмешательства кадровиков hh.ru готовить выборки, максимально адекватные запросам.

Основное – данные: замена «коней» на переправе

Может ли импортозамещение не быть хайпом и зачем менять то, что работает? В чем ценность готовых решений и сложность их выбора, когда дешевле не значит лучше, а быстрее не значит эффективнее? Для ответа на эти вопросы в докладе обсуждается процесс эволюции системы управления основными данными от «наливания воды решетом» до стабильной, производительной и расширяемой модели управления. Особое внимание уделено анализу опыта проекта импортозамещения – создания, эксплуатации и развития системы управления основными данными группы «Интер РАО».

Наш опыт создания НСУД

В рамках федерального проекта «Цифровое государственное управление» национальной программы «Цифровая экономика» в 2019 году началась разработка Национальной системы управления данными (НСУД), призванной связать государственные информационные системы и обеспечить доступность, достоверность, полноту, непротиворечивость и защищенность используемых в них данных. По сути, НСУД — это совокупность правовых, организационных, методологических и информационно-технологических элементов, требуемых для объединения информационных систем государственных и муниципальных органов власти. НСУД должна ускорить автоматизацию процессов госуправления, повысить качество и скорость оборота данных, а также предоставить гражданам и юридическим лицам цифровые услуги на более высоком уровне. Доклад посвящен обсуждению особенностей разработки и апробации НСУД, ее ключевых информационно-технологических элементов: Единой информационной системы и витрин данным. Особое внимание уделено анализу опыта конкретных внедрений технологий НСУД в пилотных ведомствах.

AutoML: анализ данных и моделирование

Число специалистов по исследованию данных (Data Science) сегодня растет существенно медленнее, чем объем задач, решаемых методами машинного обучения. Однако, большинство таких задач – типовые. Доклад посвящен обсуждению способов автоматического решения львиной доли подобных задач при помощи инструмента AutoML, позволяющего освободить время дорогостоящих специалистов для более важных проблем: корректной постановки задачи, выбора наиболее адекватной целевой метрики, генерации экспертных признаков и т.п. Рассмотрены особенности построения blackbox-моделей с помощью библиотеки LightAutoML (LAMA) и интерпретируемых моделей средствами WhiteBoxAutoML, выбираемых в зависимости от конкретной задачи, требований регулятора и возможностей инфраструктуры. Кроме этого в докладе рассмотрены различные варианты инференса моделей с помощью сервисов SberCloud и автоматически сгенерированных SQL-запросов. Примечательно, что соответствующие библиотеки в скором времени будут доступны и сообществу OpenSource.

Единая техническая политика: принципы и требования к управлению данными в информационных системах органов власти

Единая техническая политика – совокупность принципов, правил и требований, наилучшим образом обеспечивающих достижение целей цифровой трансформации госуправления. Такая политика призвана синхронизировать и дополнить существующие требования к созданию информационных систем органов государственной власти, организации взаимодействия как с пользователями систем, так и взаимодействия систем между собой, включая управление данными. Доклад посвящен обсуждению принципов и требований к управлению данными в информационных системах органов государственной власти.

Искусственный интеллект в медицинской визуализации

Доклад посвящен анализу текущих результатов и обсуждению опыта масштабного московского эксперимента по использованию компьютерного зрения для анализа медицинских изображений и его применения в системе здравоохранения Москвы (mosmed.ai). Особое внимание уделено особенностям работы с медицинскими данными, в частности, созданию эталонных наборов для решения задачи валидации в системах медицинского искусственного интеллекта.

CDO & CEO: кто отвечает за цифровую трансформацию?

До сих пор не стихают споры об основных задачах директора по данным (CDO), а между тем, глобальные вопросы качества данных из категории хайпа перешли в категорию жизненно-важных проблем компаний. Недавние исследования свидетельствуют о том, что CDO становятся новыми партнерами бизнес-инициатив, и при этом в фокусе их внимания остаются задачи внедрения процесса «Know your data» и работа с «чувствительными» данными. Роль CDO в компании меняется – сегодня мы говорим не просто о директоре по данным, а о его архетипе: «Governance guru», «Оптимизатор процессов», «Цифровой драйвера» и «Бог аналитики». Однако, как показывает практика, для эффективной реализации цифровой бизнес-модели компании CDO не хватает реальных полномочий, но они есть у CEO, который зачастую не принимает активного участия в цифровизации. Актуальным становится организация бизнес-партнерства CDO и CEO. В докладе обсуждается, какой из архетипов CDO важен в каждой конкретной ситуации, как он сочетается с текущей бизнес-стратегией, какие из задач являются приоритетными для CDO на данный момент, и как необходимо выстраивать взаимодействие между CDO и CEO в компании.

Бизнес-аналитика: как монетизировать ваши данные?

Как известно, сами по себе инструменты бизнес-аналитики денег бизнесу не приносят, а их внедрение часто затратно и далеко не всегда успешно. Как сделать так, чтобы данные, поступающие на вход таких систем, приносили компании прибыль, а проект их внедрения быстро окупался? Какие результаты действительно нужно визуализировать, а что предоставить для дальнейшего анализа бизнес-пользователям? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделяется обзору реальных примеров, демонстрирующих преимущества систем бизнес-аналитики, изложению основных принципов окупаемости проектов внедрения аналитики в различных организациях, а также критериев их успешности.

/

/

Low-code – ниша, тенденция или «биржа»?

Одна из самых серьезных проблем современных корпораций — это бесконечные запросы к ИТ-подразделению с просьбами то на исправление ошибок, то на улучшения приложений. Удовлетворение подобных заявок подчас происходит тяжело, долго и болезненно. С другой стороны, сегодня широко обсуждаются вопросы создания сайтов, роботов, чат-ботов, VR-конференций без программирования, а лишь путем "перетаскивания по экрану кубиков с тривиальными названиями". Без обращения к ИТ-подразделению можно теперь практически бесплатно протестировать бизнес-гипотезу, что позволяет в разы сокращать накладные расходы и время вывода продукта или сервиса на рынок. Аналитики наперебой предсказывают стремительный рост рынка платформ Low-code, что, с одной стороны позволит ускорять решение проблем бизнеса силами самого бизнеса и устранить дефицит ИТ-кадров, а что с другой? Доклад посвящен обсуждению преимуществ и недостатков философии минимального кодирования, платформы которого претендуют сегодня на роль инструментов гиперавтоматизации. Low-code – это узкая ниша, общая тенденция эпохи цифовизации или лишь «игра на бирже» с неизвестным результатом?

Почему у Low-code нет альтернативы в цифровой экономике

В компаниях нефтегазового сектора сегодня внедряется огромное количество продуктов и платформ, кратно увеличивающих насыщенность виртуального мира артефактами и повышающих интенсивность информационного обмена между реальным и виртуальным миром – цифровые двойники должны быть как можно более адекватны реальным объектам. Отчасти проблему адекватности двух миров решает Интернет вещей и сопутствующие технологии – при высокой изменчивости реального мира требуется не только насытить цифровые двойники данными в реальном времени, но также в реальном времени изменять их свойства, структуру, особенности взаимодействия с другими объектами. Однако, в режиме реального времени сделать это невозможно пока требуется обязательное вмешательство программистов. Вместе с тем, если языком программирования сделать онтологические модели, реализованные на платформах Low-code, то соответствующие цифровые платформы смогут справиться с потоком разнообразия изменений. Доклад посвящен обсуждению актуальности платформ Low-code и их месту в ИТ-ландшафте крупного предприятия, вопросам изменения модели взаимодействия ИТ-служб с заказчиком и подходам к созданию бизнес-приложений с помощью инструментов Low-code. Особое внимание уделено безальтернативности использования минимального кодирования для обеспечения адекватности цифровых двойников и цифровых следов объектам и событиям реального мира.

Платформа Low-code для цифровизации бизнеса

Если совсем недавно главное требование бизнеса к ПО заключалось лишь в автоматизации рутинных операций, то сегодня, в условиях повсеместной цифровизации, от инвестиций в программные решения ожидается повышение эффективности бизнес-процессов в целом. Главная тенденция сегодня – трансформация процессов ведения бизнеса и перевод их на качественно новый уровень с помощью новых технологий. Становятся все более востребованы платформы low-code, ускоряющие цикл цифровой трансформации от бизнес-потребности до работающего бизнес-процесса. Доклад посвящен обсуждению возможностей технологической платформы «1С:Предприятие», интегрирующей инструменты и технологии (fullstack-platform) создания высоконагруженных кроссплатформных бизнес-решений различной сложности и поддержки концепции low-code быстрой разработки. Такой подход обеспечивает необходимую гибкость решений и возможность адаптации приложений под конкретные требования. Кроме этого в докладе на конкретных примерах из экосистемы, включающей сотни отраслевых решений, анализируются современные тенденции автоматизации бизнеса и разбираются основные направления технического развития платформы «1С:Предприятие».

Low-code для профессиональных разработчиков

До тех пор пока львиная доля функционала ИТ-решений существует только в форме программного кода, а не графических нотаций платформ Low-code/No-code, команды разработки будут вынуждены тратить огромные ресурсы на поддержку кода: ревизия кода (code review) и архитектуры программных комплексов, автоматизация тестирования и миграция кодовой базы на новый технологический стек и т.д. Чем крупнее проект, тем больше времени команда тратит на решение подобных задач. В докладе рассмотрен опыт Сбера по созданию и внедрению решений Low-code для профессиональных разработчиков, позволяющих автоматизировать задачи сопровождения программного кода. Какие требуется решать задачи сопровождения кода и как часто они возникают? Какие ограничения такие задачи накладывают на интерфейсы? Как решения Low-code автоматизации сопровождения программного кода встраиваются в производственный процесс разработки ПО? Особое внимание уделено анализу опыта эксплуатации автоматизированных функций сопровождения ПО и планам по автоматизации всего стека задач поддержки кода.

Low-code как сервис

.

Нехватка разработчиков и требования бизнеса к скорости изменений привели к стремительному развитию платформ low-code/no-code – готовые конструкторы позволяют теперь без программирования создавать приложения, оперируя блок-схемами. Необходимость таких платформ сомнений не вызывает, но какие бизнес-задачи они позволяют закрывать? Кто-то считает, что платформы low-code/no-code нужны только для тестирования гипотез и на следующих этапах придется возвращаться к классической разработке. Кто-то видит в этом устойчивую тенденцию к изменению структуры бизнеса через инструментальное ПО. Круглый стол посвящен обсуждению особенностей разработки ПО с помощью платформ low-code/no-code и анализу рисков минимального кодирования и предназначен для: руководителей функциональных, бизнес-подразделений и направлений; Chief Data Officer (CDO); руководителей проектов цифровой трансформации; управляющих директоров, менеджеров проектов; бизнес-аналитиков; ИТ-директоров и руководителей ИТ-отделов; разработчиков бизнес-систем и решений бизнес-аналитики.

Основные темы:

• действительно ли в штате компании нужны разработчики или любой сотрудник может теперь создать свое бизнес-приложение,, нужны ли взять специалисты по Low-code/No-code;
• есть ли у программ, разработанных на платформах на Low-code/No-code шанс войти в реестр российского ПО;
• готовы ли корпорации рассматривать для себя решения, сделанные с помощью инструментов Low-code/No-code;
• имеется ли у разработчиков программ на платформах Low-code/No-code уверенность в их стабильности и готовности к высоким нагрузкам;
• преимущества для конечного пользователя решений, сделанных с помощью инструментов Low-code/No-code;
• когда нужно переходить с No-code на обычную разработку и надо ли;
• как инвесторы оценивают изменения на рынке в связи Low-code/No-code.

Модератор: Алла Кветная, руководитель направления развития и поддержки клиентов, а также руководитель международной практики Департамента систем автоматизации ИТ и процессов обслуживания компании Naumen. Окончила Уральский федеральный университет по направлению «Теоретическая физика» и Московскую школу управления «Сколково» по программе «Global Shift» и Фонда развития интернет-инициатив (ФРИИ) по программе «Pre Go Global». Около 20 лет опыта управления проектами в ретейле и ИТ, в частности, выполняла проект развертывания российских решений Naumen в сети гипермаркетов Globus Baumarkt в Германии (около 100 торговых точек).Участвовала в разработке и внедрении платформы Naumen Service Management Platform в качестве системного аналитика, бизнес-аналитика, руководителя отдела сопровождения проектов и руководителя отдела внедрения. Член Ассоциации профессионалов управления данными (АПУД) и DAMA International.

Serverless: широкий взгляд на low-code

Использование подхода low-сode к разработке программного обеспечения позволяет быстрее и с минимальным кодированием вручную получать работающие приложения. Платформы low-code содержат средства визуальной разработки, позволяющие из готовых компонентов собирать прикладную логику, в результате чего задачи потенциально могут быть решены силами широкого круга специалистов по конкретным прикладным областям, не обладающих глубокими знаниями в программировании. В результате, компании и предприятия, получают конкурентные преимущества. При этом подход low-code не ограничивается лишь применением соответствующих специализированных платформ – на самом деле, подобный подход реализуют любые инструменты или технологии, снижающие объем и технологическую сложность ручной работы при реализации ИТ- и бизнес-задач, позволяющие сократить количество подразделений и сотрудников на пути от идеи до работающего приложения. Одна их таких технологий – Serverless Computing, активно развивающаяся сегодня в ведущих облачных платформах, включая и Yandex Cloud. Доклад посвящен обсуждению особенностей данной технологии, оценке влияния ее применения на объем кода, требования к квалификации разработчиков, ИТ-инфраструктуру и экономику организации в целом. Особое внимание уделено ответу на вопрос – можно ли считать Serverless Computing альтернативой применения платформ low-code или речь идет о синергии?

Low-code вчера, сегодня, завтра

Концепция low-code далеко не нова – интерес к минимальному кодирования возник еще в 60-х годах прошлого века вместе с появлением на рынке первых коммерческих компьютеров. Возврат интереса к low-code происходит с периодом в 8-10 лет – «гражданских» программистов (бизнес-менеджеров, маркетологов, руководителей функциональных подразделений и пр.) привлекают «конструкторы» платформ low-code, позволяющие создавать и настраивать прототипы приложений для проверки гипотез или вывода на рынок новых сервисов. Однако имеется набор объективных причин и заблуждений, приводящих к нарастанию популярности, а потом и к спаду интереса к low-code, вызванному вовсе не недостатками технологий. Доклад посвящен обсуждению внутренних противоречий подхода low-code и разбору конкретных ситуаций, при которых его применение эффективно, а когда теряет всякий смысл.

Как OpenSource снижает риски разработки low-code

Активное обсуждение технологий low-code вращается сегодня, главным образом, вокруг преимуществ минимального кодирования, часто обходя его слабые стороны. Среди самых популярных обещаний этого подхода называется решение проблемы дефицита кадров, поддержка бизнес-пользователей с минимальными знаниями в области разработки, безграничные возможности применения и масштабирования, удобство управления процессом разработки low-code, гарантии минимальной зависимости от вендора (vendor lock-in). Вместе с тем, по мнению аналитиков, многие из этих аспектов являются основными источниками неопределенностей и требуют тщательного анализа при принятии решении об использовании технологии low-code. В докладе классифицируются риски при выборе компаниями решений low-code (ограничения платформ, масштабирование, миграция, устаревание технологического стека и пр.) и предложены способы их минимизации. Особое внимание уделено разбору на конкретных примерах преимуществ использования OpenSource-платформ минимального кодирования для разработки корпоративных приложений.

Инструменты low-code формирования навыков виртуальных ассистентов

Технологии low-code применяются сегодня при обучении чат-ботов и «воспитании» виртуальных ассистентов. Несмотря на то, что в Сбере есть много профессиональных команд разработчиков, даже среди этих команд сейчас все чаще используются именно инструменты low-code. В частности, имеется ряд платформ и инструментов, доступных всем желающим. Популярность таких средств постоянно растет, а аудитория их активных пользователей уже измеряется тысячами человек. Доклад посвящен обсуждению возможностей SmartApp Graph – популярного инструмента, ориентированного на создание приложений для семейства виртуальных ассистентов «Салют».

.

«Гражданские» разработчики против ИТ-отдела?

Сегодня активно обсуждается тема минимального кодирования, которое считается чуть ли не панацеей от всех проблем, связанных с созданием, сопровождением и эксплуатацией бизнес-приложений, решаемых теперь бизнес-менеджерами в режиме «сделай сам». Зачем в таком случае нужен ИТ-отдел? Кто в ответе за доработку и поддержку DIY-решений? Пришло ли время «гражданских» разработчиков? Доклад посвящен ответам на эти и другие вопросы, связанные с местом и ролью «гражданских» разработчиков в корпоративном ландшафте: где пределы компетенции таких разработчиков, как снизить риски при масштабировании решений, созданных «гражданскими» разработчиками на предприятии. Особое внимание уделено детальному анализу примеров конкретного использования решений low-code на крупных предприятиях ретейла и ТЭК.

Роботы no-code для ускорения бизнеса и против дефицита кадров

Компаниям сегодня катастрофически не хватает квалифицированных разработчиков, однако также есть проблемы и с поиском, обучением и удержанием линейного персонала: менеджеров, бухгалтеров, операторов контакт-центров и т.д. Объединение технологий компьютерного зрения, искусственного интеллекта, чат-ботов в единой интегрированной среде, обеспечивающей возможности взаимодействия с любым ПО, как это вручную делает человек, позволяет виртуальным сотрудникам устранить кадровый дефицит и меньшим штатом выполнить компании требуемый для развития ее бизнеса объем работы. Однако роботы способны на большее: выполнять вспомогательные операции по поддержке творческого процесса разработки и вывода на рынок новых продуктов и услуг, предоставлять среду для быстрого тестирования бизнес-гипотез и разработки минимально жизнеспособных продуктов, позволяя компаниям оперативно адаптироваться к изменениям рынка. Доклад посвящен обсуждению возможностей программных роботов, требующих минимальных усилий по их программированию. Особое внимание уделено рассмотрению конкретных примеров применения роботов no-code в страховых и лизинговых компаниях, ретейле, а также в промышленности.

Low-code в машинном обучении

Применение моделей машинного обучения в российских компаниях стало обыденной практикой – сегодня это одно из важнейших направлений адаптации к работе в динамичном «цифровом» мире. Доклад посвящен анализу опыта использования минимального программирования при разработке моделей машинного обучения для совершенствования бизнес-процессов страховой кампании. Особое внимание уделено моделям машинного обучения в кросс-продажах розничной сети – обсуждается пример построения такой модели для выявления клиентов с высоким уровнем спроса на продукты добровольного страхования, позволившей на порядок повысить результативность кросс-продаж.

Технологичные «коленки» ВкусВилл

Изменение поведения покупателей, локальные и интернациональные вызовы, а также изменение регулятивных норм означают, даже для торговых компаний, специализирующихся на товарах повседневного спроса, потерей доходов. В условиях, когда доля интернет-магазина в общей ежедневной выручке компании утраивается каждый квартал, основным фактором успешного развития бизнеса становится его способность мгновенно реагировать на изменения. Сегодня любая инициатива бизнеса должна поддерживаться соответствующими ИТ-решениями, эффективность которых зависит от качественной постановки задачи, грамотного технического задания на микросервисы, реализующий новый функционал и здесь бизнесу могут помочь конструкторы low-code, позволяющие экономить время и деньги. Доклад посвящен обсуждению возможностей конструкторов low-code для решения бизнес-задач в ретейле, а также границ областей применения low-code. Особое внимание уделено ответу на вопрос – как экспертиза «в коленках» позволяет бизнесу качественно формулировать задачи.

.

.

.

.

Low-сode или Easy Framework – практика российской аналитической платформы

.

Low-code для корпораций: от цифровых двойников до Интернета вещей

Организации все чаще применяют сегодня LCAP (low-code application platform) для обеспечения эффективного взаимодействия подразделений разработки, ИТ и бизнеса с целью оперативного вывода на рынок новых решений и модернизации систем поддержки бизнеса – к 2025 году более 70% новых корпоративных приложений будет создаваться средствами LCAP. Как и любое ПО корпоративного уровня такие платформы должны обеспечивать высокую производительность, доступность и масштабируемость; восстановление после сбоев и информационную безопасность; доступ через API к корпоративным и сторонним облачным сервисам; мониторинг использования приложений и соблюдение соглашения об уровне обслуживания. Кроме этого корпоративные LCAP — это техническая поддержка и обучение от поставщика. Доклад посвящен обсуждению архитектуры корпоративной платформы low-code платформы Mendix, способной работать как в мультиоблачной гибридной среде, так и в локальном ЦОД, используя преимущества минимального программирования для создания цифровых двойников и поддержки решений Интернета вещей. Особое внимание уделено рассмотрению конкретных примеров применения платформы на предприятиях различного масштаба: CNH Industrial — торговые марки IVECO, Steyr и пр.; Continental и ряда других.

Low-code на практике

Сегодня многие компании взяли курс на цифровую трансформацию своей системы клиентского обслуживания, важную роль в которой играет время реализации проекта – чем меньше времени требует подготовка и вывод на рынок нового продукта, тем выше прибыль и\либо экономия. Поддержка новых сервисов, необходимых бизнесу в борьбе за клиента требует соответствующих ИТ-решений, а значит и постоянного привлечения ИТ-департаментов. Вместе с тем, к качеству сервиса сегодня предъявляются очень высокие требования, а сами сервисы постоянно меняются и любые задержки, связанные с коммуникациями между бизнес- и ИТ-подразделениями могут стать непозволительной роскошью. Благодаря собственной разработке «Леруа Мерлен» – low-code платформе Platformeco – время вывода на рынок новых сервисов сокращается до шести раз. Это значит, что клиентам быстрее будут доступны новые услуги, они вовремя и в полном объеме получат свои заказы. Доклад посвящен обсуждению опыта применения платформы Platformeco в экосистеме ретейла, включающей поставщиков, логистические компании и торговые площадки.

Low-code – эволюция бизнес-аналитики

Доклад посвящен обсуждению вопросов эволюции программных продуктов для корпораций. Особое внимание уделено практическим аспектам подхода low-code, оценке эффективности и целесообразности использования соответствующих «конструкторов» для решения задач разного типа.

Low-code в корпоративных системах: разработал один раз, развертывай где угодно

.

Демократизация интеллектуальной обработки информации

.

Low-code как промышленный стандарт

Имеются ли сейчас в корпорациях платформы low-code, используемые в режиме промышленной эксплуатации? С какими проблемами сталкиваются компании, взявшие на вооружение минимальное кодирование? Каков реальный потенциал гражданской разработки (citizen-dev) и как его полностью реализовать? Кто такой гражданский разработчик (citizen developer) и какими навыками он должен обладать. Доклад посвящен обсуждению текущего положения платформ low-code внутри корпораций.

Программная роботизация – от программирования к low-code

Компания «Гринатом», отвечающая за повышение эффективности обслуживающих функций предприятий ГК «Росатом» более пяти лет занимается программной роботизацией, начав с применения зарубежной платформы и затем перейдя к созданию роботов методами классического программирования. В собственной платформе были аккумулированы преимущества известных решений роботизации для предоставления бизнесу условий беспроблемной эксплуатации программных роботов. Доклад посвящен обсуждению опыта программной роботизации – от классического до минимального программирования.

Высокоскоростной инструмент подготовки аналитических витрин

Задача аналитики на больших данных, поступающих из множества внешних и внутренних источников, обладающих различными структурами и схемами индексации, усложняется необходимостью визуализировать их в реальном времени для тысяч одновременно работающих пользователей. В результате, как показывает практика, для многих крупных инсталляциях систем бизнес-аналитики наблюдается резкое снижение быстродействия. Одним из решений может быть многоуровневая оптимизация: во-первых, оптимизация ETL-алгоритмов и создание горячего слоя хранения; во-вторых, оптимизация исполнения бизнес-логики за счет дата-центрической архитектуры сервера визуализации. Доклад посвящен обсуждению архитектуры и возможностей продукта Luxms Data Boring, позволяющего на реальных задачах в разы ускорить подготовку аналитических витрин по сравнению с традиционным способом – формирования витрин на стороне корпоративного хранилища и озера данных. Особое внимание уделено возможностям интеграции продукта с системами управления данными, в частности, использующими технологии искусственного интеллекта, на примере Informatica Data Catalog и библиотек AI/ML на примере Greenplum MADlib.

Одна логическая платформа для всех данных

Концепция управления данными на логическом уровне без их физического сбора в единый репозиторий набирает сегодня популярность при построении Logical Data Fabric, Data Mesh, гибридных и мультиоблачных инфраструктур. Доклад посвящен обсуждению особенностей построения единой Логической платформы для управления всеми данными компании вне зависимости от их географического положения, применяемых технологий, производительности обработки и скорости доступа.

Система очистки озера данных

Компании и предприятия все чаще отдают предпочтение озерам данных, а не классическим хранилищам. Однако, несмотря на кажущуюся простоту идеи и заманчивые перспективы, применяемые обычно для работы с озером технологии не снимают главного вопроса, возникающего при работе с данными – доверия к содержимому озера, на основе которого могут приниматься критически важные для бизнеса решения. Чрезвычайно важно уметь оценивать качество данных в озере. В докладе разбирается проблема обеспечения качества данных в озере и анализируются возможности соответствующих систем, использующих техники и инструменты поддержки качества данных, выходящие за пределы типичного набора и переводящие задачу очистки на уровень руководства данными.

Референтные модели управления данными

Модели обучения призваны оптимизировать ресурсы компании для улучшения ее финансовых показателей, обнаружить важные инсайты, влияющие на бизнес и использовать их как дополнительные возможности для его роста. Референтными моделями могут быть нейросети, деревья решений и модели имитационного моделирования, позволяющие сфокусироваться на наиболее важных аспектах бизнеса и обеспечить его поступательный рост. Доклад посвящен обсуждению процессов и технологий управления жизненным циклом данных и обеспечения их качества. Особое внимание уделено анализу особенностей внедрения принципов демократизации и итеративности данных для обеспечения бизнесу непрерывных поставок продуктовой ценности.

Как повысить грамотность работы с данными

Появление нового всегда пугало людей – доля новаторов и ранних последователей среди пользователей традиционно мала, несмотря на ускорение развития технологий и разговоры про массовую цифровизацию. Большинство пользователей – это позднее большинство, которое не торопится внедрять в свою практику новые методы работы с информацией. Компания может потратить много сил и ресурсов на внедрение новых технологий, но пользователи продолжат использовать привычные инструменты и саботировать предлагаемые изменения. Для того чтобы в компании сформировалась культура работы с данными (Data-driven) важна не столько технологическая трансформация, а изменение устоявшейся бизнес-модели с целью преодоления сопротивления «делаем, как всегда делали» и принятия культуры работы с данными. Как удовлетворить интересы всех пользователей? Как убедить сотрудников свернуть с протоптанной дорожки и повысить интерес к данным? Как стать «Data-driven», а не буксовать на месте? Доклад посвящен ответам на эти и другие вопросы, связанные с повышением грамотности в использовании данных (Data literacy) и формированием культуры работы с ними.

Управление качеством мастер-данных в электронной коммерции

В отличие от традиционной розничной торговли, где клиент может «потрогать руками» товар, на цифровых площадках электронной коммерции потенциальному покупателю доступен лишь цифровой двойник товара – для успеха бизнеса качество данных о товарах становится критически важным фактором. Доклад посвящен анализу опыта внедрения системы управления качеством данных в «Яндекс.Маркет», разбору особенностей задачи управления данных для торговых площадок и важности управления качеством данных. Особое внимание уделено проблемам перехода от реактивного к проактивному подходу решения задач управления качеством данных, анализу технологических особенностей системы управления качеством данных и планах «Яндекс.Маркет» по развитию решения организации работы с мастер-данными и процессов Data Governance.

Технологии управления данными

Множеству функциональных секторов управления данными сегодня соответствует весьма внушительный технологический стек, поэтому в докладе дается обзор по укрупненным горизонтальным слоям:

• анализ данных;
• интеграция данных и интероперабельность;
• управление качеством данных;
• операции и хранение данных, документов и контента.

Рассмотрены также всеохватывающие вертикальные слои:

• стратегическое управление данными (Data Governance);
• управление метаданными;
• информационная безопасность.

В докладе разбирается текущее состояние технологий управления данными и анализируются тенденции развития вовлеченных технологий, а также приводятся примеры конкретных инструментов и платформ.
Особо отмечается конвергенция технологий, затрудняющая их строгую классификацию и структуризацию.
.

Жизненный цикл данных – от периферии до озера

Данные сегодня приобрели критически важное значение, позволяя компаниям создавать инновационные решения, получать конкурентные преимущества и принимать взвешенные решения. Однако, управление данными создает для компаний большие трудности – цифровая трансформация невозможна без надежной архитектуры работы с данными и соответствующих аппаратно-программных решений:

• Как эффективно управлять жизненным циклом данных?
• Как оптимизировать данные?
• Что из себя представляют периферийные вычисления?
• Как реализовать DataLake не обладая специальными навыками?
• Как гарантировать высокую рентабельность инвестиций?

Доклад посвящен комплексным решениям Atos, специально предназначенным для работы с большими данными и средствами видеоаналитики.