В цифровую эпоху прогнозы решают все, и речь вовсе не о том, брать ли с собой зонт. IT-решения предикативной или, другими словами, прогнозной аналитики помогают компаниям из самых разных отраслей быстро «заглянуть в будущее», чтобы избежать нежелательных ситуаций и повысить свою эффективность. Они постепенно проникают в нефтегазовый сектор, производственную сферу, торговлю и ритейл, наконец, общественный транспорт. Как считают эксперты, многое из этого стоит перенять и для мониторинга корпоративных автопарков.
Выделяя предикторы
На самом деле, идея такой аналитики стара как мир. Люди всегда стремились просчитать последствия своих действий, предсказать возможную прибыль или, наоборот, потери. В конце концов, что лежит в основе политики, экономики или военной стратегии, как не прогнозы поведенческих моделей, так популярные сегодня в ритейле? Только теперь развитие цифровых технологий привело к появлению многочисленных IT-продуктов и платформ, автоматизирующих и упрощающих эти задачи.
Итак, выражаясь научным языком, предикативная аналитика – это множество методов статистики и цифровой обработки данных для прогноза будущих событий. Одними из первых ласточек стали скоринговые модели для оценки платежеспособности клиента при выдаче банками кредитов. Другой пример – подобные модели в страховании, которые используются при формировании страховой премии. В любом случае, ключевым моментом является определение одного или нескольких предикторов – влияющих на прогнозируемое событие факторов. В автостраховании это возраст водителя, стаж вождение, количество аварий и т.д.

Драйверы роста
Сегодня предикативная аналитика все еще воспринимается как ноу-хау в ряде отраслей, но ее популярность стремительно растет. По данным отчета Business Insider, к 2022 году рынок таких приложений вырастет до $20,4 млрд. Для сравнения, по итогам 2017-го он достиг всего $4,56 млрд. Большинство прогнозов опирается на увеличение потребительского спроса на соответствующие платформы и программные продукты. К слову, бесспорными лидерами среди их разработчиков остаются SAS, IBM и SAP.
При этом ключевым драйвером роста многие называют всеобщий курс на сокращение затрат, автоматизацию и оптимизацию бизнес-процессов. Кроме того, дополнительный стимул к развитию придало распространение так называемых больших данных (Big data), что заставляет многие компании искать новые средства обработки информации и увеличивать глубину ее оцифровки.
«Данные технологии уже какое-то время тестируются в ритейле. Из последних тенденций стоит отметить большое количество запросов от производственных предприятий. Им важно сократить объемы брака на производственных линиях, вести автоматизированный контроль безопасности оборудования и работы сотрудников», – рассказал Тимур Мишин, руководитель управление пресейла и прототипирования центра компетенций Больших Данных компании «Техносерв».
Промышленность: обслуживать, не дожидаясь простоев
Сейчас уже никого не удивишь автоматизацией рабочих процессов. SCADA, ERP и другие системы обработки и диспетчеризации данных опутали своими сетями многие современные производства, став незаменимыми рабочими инструментами. И по мнению ряда экспертов, следующим важным шагом будет переход к предикативной аналитике. Ведь в будущем это поможет промышленным предприятиям отойти от закостенелых регламентов, к примеру, в части осмотров и ремонтов оборудования и действовать на опережение. Перефразируя крылатое выражение из фильма «Покровские ворота», «обслуживать, не дожидаясь поломок и простоев».
«Промышленные компании заинтересованы в системах предикативной диагностики оборудования, – считает директор по промышленным решениям компании КРОК Вячеслав Максимов. – Хотя многие пока настороженно относятся к подобным решениям. Зачастую принятые нормативы не позволяют радикально менять методики по ремонту и обслуживанию. Однако процесс пересмотра все же начался».
«Промышленники стремятся предсказать отказы оборудования и рассчитать оставшийся срок службы с учетом определенного уровня загрузки, – в свою очередь, подчеркивает технический директор «Цифра» Юрий Крылов. – Кроме того, такой анализ применятся в целях охраны труда и окружающей среды, обеспечения промышленной безопасности. Еще одно применение – предсказание качества выпускаемой продукции исходя из имеющихся производственных реалий. В целом предсказательная аналитика востребована в тех отраслях, где наблюдается нестабильность и большая вариативность техпроцессов».
Неудивительно, что чаще всего «под прицелом» оказывается критическое оборудование, непосредственно влияющее на выполнение производственного плана. К примеру, в нефтедобыче это погружные перекачивающие насосы, в электроэнергетике – турбины и генераторы и т.д.
К слову, из всех отраслей промышленности локомотивами в части внедрения предикативного анализа в России выступают нефтегазовый сектор, горная добыча и металлургия. Как объясняет ряд экспертов, это связано с тем, что процессные отрасли более активно конкурируют на глобальной арене и, следовательно, быстрее внедряют передовые технологии. Наглядным подтверждением тому служит опыт нефтехимической компании «СИБУР Холдинг».
«Мы делаем большую ставку на предикативную аналитику, – рассказывает руководитель центра «Управление корпоративными данными» холдинга. – Мы создали несколько моделей, которые хорошо себя зарекомендовали. Они позволяют поднять эффективность в сравнении с классическим методом управления при помощи панелей мониторинга. Сделанные нами модели в том числе предсказывают вероятность сбоя, который может произойти, а это позволяет оператору установки предпринять превентивные меры. Главная сложность в том, что каждая предикативная модель для той или иной установки разрабатывается индивидуально, ведь она должна учитывать особенности работы конкретного оборудования – температуру внешней среды, давление, режим эксплуатации и другое. Между тем для максимальной точности любой модели нужно огромное количество статистических данных, что не всегда осуществимо. Чтобы собрать статистику отказов, допустим, экструдера, сбой должен произойти десятки, а то и сотни раз. К сожалению, это обойдется неоправданно дорого. Поэтому мы остановились на точности в 85% – на данном этапе этого вполне достаточно».
При этом в перспективе такие прогнозные модели смогут применяться не только к отдельным промышленным установкам, но и к целых предприятиям и техпроцессам. Еще один ожидаемый в будущем тренд – смещение акцентов с красивых графиков и отчетов на автоматизированное принятие решений, другими словами, цифровые советчики.
Ритейл: в центре внимания – рост продаж
Многие эксперты сходятся в том, что пальму первенства по применению прогнозной аналитики все же сохраняют торговля и ритейл. Недаром на вопрос «Какой эффект вы ожидаете от предикативных решений?» самым популярным ответом на последней традиционной встрече членов клуба Ventra Lab для руководителей IT оказался «рост продаж». И главными двигателями спроса здесь остаются борьба за качество обслуживания и удержание покупателя, объединение каналов покупок онлайн и оффлайн. В этом контексте наиболее актуально развитие предикативной видеоаналитики.
«Например, благодаря машинному зрению камера будет считывать эмоции покупателей, подходящих к витринам. На основании полученных данных возможно построение статистических моделей, разработка стратегий дальнейшего развития и т.д.», – говорит руководитель направления слаботочных систем компании «КРОК» Иван Царев.
Помимо прогнозирования поведения потребителей и возможности покупки, такие решения могут помочь ритейлерам просчитать спрос на те или иные товары, спланировать поставки и ассортимент на один или несколько сезонов вперед. В частности, крупнейшая сеть оптовой и розничной торговли Walmart успешно связала онлайн и оффлайн данные. В двух словах, система запрашивает информацию у кассовых терминалов и прогнозирует уровень спроса на различные товары. Управление информацией осуществляется при помощи облачных технологий. В результате была существенно оптимизирована цепочка поставок товаров и стали более четко соблюдаться сроки доставок. Отметить, что подобные решения доступны не только гигантам вроде Walmart, но также мелким и средним компаниям при помощи соответствующих технологий от Google и Adobe.
Транспорт: от общественного к коммерческому
Проникают прогнозные IT-решения и в транспортную сферу. Правда, пока что речь идет, в основном, об общественном транспорте, а главным ориентиром остается безопасность. И здесь ставка, опять же, делается на видеоаналитику.
Например, такая система реализована и успешно применяется на грузовом терминале одного из крупнейших российских аэропортов. Там установлены специальные модули, которые предсказывают возможные переброски предметов или пересечения линий и распознают автомобильные номера. Как показывает статистика, данные модули точны почти на 100%.
Кроме того, предикативные решения позволят отслеживать эмоциональное состояние водителей, несущих ответственность за жизни пассажиров. На основании поведенческих стилей будет прогнозироваться дальнейшее развитие ситуации и при необходимости – подаваться сигнал оператору. В итоге это поможет предотвращать аварии и другие инциденты.
«Собственно, такая работа уже давно ведется в сфере мониторинга корпоративного транспорта, – отмечает руководитель отдела клиентской поддержки «СКАУТ-Корпоративные решения» Мария Воробьева. – Хотя пока значительная часть анализа осуществляются самими операторами на основе полученных от телематики сведений».
Специальные диспетчерские центы получают от системы спутникового контроля автоматические уведомления о превышениях водителями максимально допустимой скорости, авариях, отклонениях от маршрутов, остановках в неположенных местах, срабатывании тревожной кнопки. Наконец, поступают сигналы о слишком резких торможениях и перестроениях и других опасных маневрах. Диспетчеры же быстро реагируют по своему усмотрению: связываются с водителем, чтобы предупредить его об опасности, вызывают на место оперативные службы и т.д. Вдобавок они анализируют полученные сведения и предлагают владельцам коммерческого транспорта меры по повышению его безопасности и эффективности.
«Вполне возможно, что в дальнейшем сложится симбиоз такой диспетчеризации с предикативной аналитикой, и системы смогут не только предупреждать диспетчеров об отклонениях, но и самостоятельно предсказывать дальнейших ход событий. Это поможет операторам быстрее и точнее реагировать на определенные ситуации, что снизит аварийность, – продолжает Мария Воробьева. – Тем более, на сегодняшний день существуют решения по фото- и ведеоконтролю корпоративного транспорта, которые также вписываются в эту модель. Ведь они позволят держать руку на пульсе поведения и эмоционального состояния водителя, а это еще сильнее повысит точность прогнозов».