Россия переместилась с одиннадцатого на седьмое место среди стран, имеющих системы суперкомпьютеров, следует из свежей версии рейтинга Top 500. Серьезному улучшению позиций в мировом рейтинге суперкомпьютеров способствовал запуск новых машин «Яндексом» и «Сбером». В рейтинг попали три суперкомпьютера от «Яндекса» — «Червоненкис» (занял 19-е место), «Галушкин» (36-е) и «Ляпунов» (40-е), два от «Сбера» — Christofari Neo (43-е) и Christofari (72-е), Lomonosov-2 от МГУ (241-е), а также Grom от компании МТС (294-е). Лидерами рейтинга среди стран стали Китай со 173 суперкомпьютерами, далее идут США (149) и Япония (32).

В «Яндексе» запустили три своих суперкомпьютера в декабре прошлого и в июне этого года. Сбербанк представил свой первый суперкомпьютер осенью 2019 года. «Сбер» использует свои суперкомпьютеры для развития искусственного интеллекта для собственных нужд, а также сдает его мощности в аренду. МТС использует суперкомпьютер для развития собственной цифровой экосистемы и искусственного интеллекта.

Ранее долгое время в рейтинге было два отечественных суперкомпьютера  — Lomonosov-2 и СуперЭВМ ГВЦ Росгидромета.

В ответ на требования «непрерывной» автоматизации со стороны клиентов компания Oracle обновила свои пакеты EPM и ERP Fusion Cloud, добавив туда функции оптимизации процесса регистрации и мониторинга транзакций. Дополнительные средства анализа на основе искусственного интеллекта призваны оптимизировать бизнес-процессы.

«В целом, организации рассчитывают на то, что мы поможем им повысить скорость и точность выполнения бизнес-процессов, по возможности исключив рутинные, не приносящие пользы процедуры», – указал старший вице-президент Oracle по маркетингу SaaS Юрген Линднер.

У предприятий зачастую имеются тысячи неклассифицированных транзакций снабжения, искажающие данные отчетности, а упорядочение их вручную отнимает очень много времени. ИТ-руководители ищут способы консолидации и анализа данных, которые позволили бы улучшить процессы планирования, организации взаимоотношений с поставщиками, управления договорами и соблюдения нормативных требований. В Gartner эту тенденцию называют «гиперавтоматизацией».

По оценкам Gartner, в 2022 году объемы продаж на мировом рынке технологий, поддерживающих гиперавтоматизацию (сюда относятся автоматизация бизнес-процессов с помощью роботов, а также внедрение средств искусственного интеллекта и машинного обучения), достигнут 596,6 млрд долл. Прогноз продаж по итогам 2021 года составляет 532,4 млрд долл.

Аналитики Gartner описывают концепцию гиперавтоматизации как намерение организаций автоматизировать как можно больше бизнес-процессов для извлечения максимальной выгоды.

Машинное обучение ускоряет обработку транзакций

Стремясь удовлетворить спрос предприятий на ускорение обработки и улучшение анализа, Oracle добавила в пакет Fusion компонент Procurement Spend Classification, использующий машинное обучение для автоматической классификации бизнес-транзакций и обеспечения более глубокого понимания структуры затрат.

«Технология машинного обучения Oracle предполагает выполнение первоначального обучения на обезличенных наборах данных, – пояснил Линднер. – После изучения в организации шаблонов классификации обучение будет проводиться с учетом конкретных правил классификации».

«Технология автоматической классификации может оказаться для предприятий более удобной, поскольку сегодня основные затраты приходятся на процедуры идентификации и отслеживания, которые выполняются вручную, – указал основатель и главный аналитик компании Constellation Research Р. Вонг. – Использование средств обработки естественного языка и автоматических онтологий позволит организациям сэкономить массу времени».

Повышение точности обработки счетов-фактур

Предприятия часто имеют дело с поставщиками, которые при выставлении электронных счетов-фактур используют совершенно разные средства. По мнению Gartner, существующее разнообразие приводит к увеличению затрат, несогласованности процессов и замедлению сквозной обработки. Чтобы повысить точность сканирования счетов-фактур, Oracle включила в пакет Fusion компонент Intelligent Document Recognition (IDR).

«В компоненте IDR машинное обучение используется в рамках финансовой отчетности для сканирования и получения информации о транзакциях, – пояснил Линднер. – Его можно обучить чтению новых форматов счетов-фактур. IDR помогает выявлять несоответствия. Теперь у сотрудников есть возможность оценивать точность по каждому поставщику и каждому атрибуту счета-фактуры. Это открывает новое пространство для дальнейших улучшений, в том числе для настройки качества изображения или конфигурации счета-фактуры. Соответствующий процесс способствует увеличению скорости получения финансовой отчетности для всего предприятия в целом».

Автоматизация управления журналами

Для упрощения управления журналами в Oracle Fusion EPM была добавлена функция Enterprise Journals, позволяющая собирать информацию для анализа транзакций и бизнес-событий. Функция Enterprise Journals предназначена для повышения эффективности процесса составления финансовой отчетности и обеспечения прямого переноса журналов из Oracle EPM в Oracle ERP или в любую другую существующую ERP-систему.

Новый инструмент пригодится организациям, которые вынуждены вручную перемещать журналы из приложений EPM в системы ERP, что увеличивает риски возникновения ошибок и приводит к составлению неверных прогнозов.

«Кроме того, вы получаете единую структуру для управления журналами и их отслеживания, а готовые шаблоны и рабочие процессы упрощают процедуру ввода записей в журнал, дополнительно снижая вероятность возникновения ошибок», – подчеркнул Линднер.

Аналитика для всего стека ERP

С целью предоставления более полной информации о ресурсах предприятия Oracle расширяет набор аналитических инструментов, включенных в состав облачной системы Fusion ERP Analytics, которая построена на основе машинного обучения и предназначена для расширенного бизнес-анализа данных, поступающих из различных подразделений предприятия.

Обновление предусматривает переход к новой аналитике затрат и закупок, встроенной в программную библиотеку. Fusion ERP Analytics будет поддерживать новую предметную область затрат сотрудников, в которой анализируются расходы сотрудников в масштабах всей компании, с учетом центров затрат, типов и категорий затрат, а также связанных с ними измерений.

По словам вице-президента Constellation Research Дуга Хеншена, система Oracle Fusion ERP Analytics, включающая в себя экземпляр Oracle Autonomous Data Warehouse, выходит далеко за рамки типичных встроенных предложений.

«Это хранилище уже согласовано с данными клиентского экземпляра Fusion ERP, – указал Хеншен. – При этом его можно расширить для междоменного анализа, включив туда данные из других приложений Oracle Fusion (например, CX и HCM) и из внешних приложений».

Инструмент, отражающий тенденции эффективности

Для получения на основании финансовой и операционной информации более полного представления о состоянии бизнеса компания Oracle выпустит новый модуль Intelligent Performance Management (IPM) Insights.

«IPM анализирует большие объемы финансовых и операционных данных, помогая выявлять и выделять закономерности, которые не сразу бросаются в глаза, например, тенденцию к регулярному завышению или занижению ключевых показателей в течение отчетного периода, – сообщил Линднер. – Это позволяет специалистам в финансовой области тратить меньше времени на сбор и анализ данных, освобождая его для поиска ценных идей и возможностей».

По словам Хеншена, функции, подобные IPM и основанные на избранных алгоритмах, встроенных в приложение, упрощают аналитикам и опытным пользователям, не обладающим глубокими знаниями в области науки о данных, проведение сложного анализа без написания программного кода.

Для повышения безопасности Oracle выпускает обновление стека ERP, которое позволит предприятиям анализировать права доступа различных лиц, снижая риски нарушения безопасности и нормативных требований.

IDR, Procurement Spend Classification, новая ERP-аналитика, EPM Journals и новые функции безопасности на протяжении последних нескольких недель уже доступны существующим клиентам и появятся в ежеквартальном обновлении пакета Fusion, которое будет выпущено компанией Oracle в ноябре. Функционал IPM Insights доступен всем пользователям в рамках ежеквартального обновления.

Периферийные сервисы позволяют свести к минимуму задержки передачи данных, повысить эффективность процессов, создать новые приложения для потребителей, выполнить (благодаря размещению непосредственно «на месте») требования суверенитета данных и снизить угрозы безопасности, отмечают аналитики IDC. Поэтому рынок управляемых периферийных сервисов (managed edge services) в ближайшие годы будет быстро расти. В 2021 году его объем вырастет до 445,3 млн долл., что на 43,5% больше, чем в 2020 году. В ближайшие пять лет рынок будет расти в среднем на 55,1% в год.

Аналитики IDC выделяют три модели развертывания управляемых периферийных сервисов. При локальном развертывании (on-premise) периферийная вычислительная инфраструктура развертывается на собственной базе предприятия. Такая модель нужна для обеспечения самой низкой задержки и используется в промышленности, медицине и приложениях виртуальной и дополненной реальности. Этот сегмент рынка будет расти быстрее остальных, полагают аналитики.

При развертывании на периферии сети сервис-провайдера (service provider edge) сервисы могут быть как стационарными, так и мобильными. Аналитики считают, что эта модель даст широкий спектр вариантов использования с учетом специфики вертикальных приложений.

Наконец, развертывание периферийных сервисов в точках подключения сети доставки контента (content delivery ntetwork, CDN) позволит улучшить доставку контента за счет персонализированного взаимодействия с клиентами.

Известный предприниматель Питер Тиль (один из основателей платежной системы PayPal, компании Palantir, занимающейся обработкой больших данных по заказам военных и разведывательных служб, и других компаний) считает, что более актуальной проблемой сейчас является не «универсальный искусственный интеллект», способный превзойти человека, а технологии, которые создаются на пути к нему — например, технологии распознавания лиц на основе искусственного интеллекта. Государственные структуры уже сейчас используют их для массовой слежки за гражданами, тогда как до создания универсального искусственного интеллекта еще очень далеко. Питер Тиль сам активно инвестировал в подобные технологии. В частности, он вкладывал средства в компанию Clearview AI, разрабатывающую технологии распознавания лиц, и стартап Anduril, специализирующийся на системах наблюдения.

В отличие от технологии криптовалют, в основе которой лежит принцип децентрализации и которую поэтому, как считает Тиль, можно считать либертарианской, искусственный интеллект, особенно в том виде, в каком он применяется в системах слежки, по существу, представляет коммунистическую, тоталитарную идеологию. В этом соревновании Тиль предпочел бы видеть победителем криптовалюты.

Компания GfK в рамках своего ежегодного мероприятия Insight Summit Russia провела первую публичную презентацию в России своей платформы анализа рынка потребительских товаров gfknewron. Встроенные в нее алгоритмы искусственного интеллекта обеспечивают предоставление пользователям взаимосвязанной информации о брендах, рынках и поведении покупателей, построение прогнозов спроса и потребления, а также генерацию рекомендаций, нацеленных на повышение эффективности продаж.

GfK отслеживает динамику продаж более 180 млн артикулов в более чем в 60 странах мира. Партнерами компании, предоставляющими данные, являются более 100 тыс. ретейлеров, интернет-магазинов и маркетплейсов, торгующих потребительскими товарами. В России компания собирает информацию из примерно 70 тыс. розничных торговых точек.

«Все розничные партнеры передают нам данные в своем формате, и мы приводим их к единому знаменателю и сводим вместе все продажи по каждому отдельному артикулу, — отметил Алексей Дорофеев, генеральный директор GfK Россия. — Для этого мы используем алгоритмы искусственного интеллекта и машинного обучения».

Помимо данных от своих партнеров, GfK получает регулярные отчеты о покупках от 2 млн домашних хозяйств, а также сотовых операторов, платежных систем, систем выдачи акцизов и маркировки товаров, операторов фискальных данных и других источников. Обработку и анализ этих массивов и потоков всей этой информации обеспечивают более 700 специалистов по данным.

Платформа gfknewron — это, по сути, онлайн-сервис консультирования в области продаж потребительских товаров, предоставляющий информацию, аналитические выводы и рекомендации в реальном времени. Платформа позволяет исследовать динамику спроса на отдельные товары и категории товаров, эффективность проведенных на рынке промоакций, включая их влияние на продажи по отдельным брендам и товарным группам. Также можно проводить конкурентный анализ вплоть до отдельных артикулов, изучать воронки продаж, сравнивать влияние отдельных факторов и каналов воздействия на принятие покупателями решений о покупке, оценивать, насколько велика сила бренда при продаже тех или иных товаров и многое другое.

Максимальный горизонт прогнозирования сейчас составляет 18 месяцев, при этом платформа пока адаптирована к достаточно краткосрочным прогнозам — на 14 недель вперед. К концу года их планируется расширить до 26 недель — такой функционал будет востребован у пользователей, которые отвечают за планирование поставок.

Предлагая рекомендации, подготовленные с помощью алгоритмов искусственного интеллекта, платформа обращает внимание на зачастую неочевидные тенденции и причинно-следственные связи между различными факторами и генерирует свои предложения по улучшению ситуации — например, провести промоакции или кампании по продвижению через наиболее эффективные для этого бренда и артикула каналы.

«Мы стремимся предоставить пользователям инструмент, который позволит перейти от прежнего индивидуального профессионального использования функций анализа рынка к широкому ежедневному», — пояснил Дорофеев.

Прежде большинство клиентов компании получали данные через автоматический интерфейс: они заранее определяли интересующие параметры и затем скачивали подготовленные отчеты с данными и диаграммами, которые обновлялись с определенной периодичностью. При желании клиенты могли запросить дополнительные отчеты, подготовленные на основе других срезов данных. Наиболее крупным клиентам GfK предоставляла возможность самостоятельно формировать произвольные отчеты. И если раньше основными пользователями систем компании были продвинутые аналитики, то основная аудитория платформы gfknewron — это бизнес-специалисты и менеджеры коммерческих служб, маркетинговых и финансовых подразделений.

GfK планирует активно развивать свою платформу как в плане наполнения данными (в настоящий момент в нее поступают данные о продажах потребительской электроники), так и в части расширения функциональных возможностей. В ближайших планах — реализация API для интеграции платформы с другими системами. С начала будущего года планируется включить в платформу данные маркетплейсов.

Разработчик программного обеспечения Databricks приобретет немецкую компанию 8080 Labs, которая станет всего лишь вторым ее приобретением.

8080 Labs выпускает bamboolib, инструмент для исследования данных, предназначенный для упрощения анализа данных на языке Python. Этот инструмент не требует написания программного кода, а именно такие инструменты в настоящее время вызывают большой интерес в корпоративной среде. Визуализацией и анализом больших наборов данных приходится заниматься все большему количеству сотрудников, вне зависимости от их опыта.

Условия сделки не разглашаются. В июне 2020 года Databricks приобрела израильскую технологическую копанию Redash, также специализирующуюся на визуализации данных.

Компания Databricks, которую саму считают стартапом, оценивается инвесторами в 38 млрд долл., и в очередном раунде финансирования привлек 1,6 млрд долл. Среди инвесторов Databricks не только крупные инвестиционные фирмы, но и Amazon, Google и Salesforce. 

Databricks получила известность в качестве разработчика одной из версий Apache Spark — платформы с открытым исходным кодом для распределенной обработки неструктурированных данных. На ее основе в Databricks создали облачную платформу под названием Lakehouse Platform. Стартап стремительно развивается — в 2022 году его оборот, по всей видимости, превысит миллиард долларов.

Более 15 тыс. человек пройдут обучение по работе с большими данными в рамках федерального проекта «Кадры для цифровой экономики», сообщает Министерство цифрового развития, связи и массовых коммуникаций РФ. Обучение госслужащих и сотрудников коммерческих компаний по программе повышения квалификации в сфере управления, основанного на данных, организуемое Минцифры, стартовало по поручению вице-премьера Дмитрия Чернышенко.

Слушатели могут выбрать один их курсов, среди которых «Методы и технологии, основанные на работе с данными» или «Управление, основанное на данных». Программы включают тестирование, мастер-классы, стрим-трансляции, а также живые вебинары с экспертами из «Сбера», «Яндекса», «Билайна», «Газпрома», Skyeng, X5 RetailGroup и Университета Иннополис.

«В первую очередь на обучающие программы должны обратить внимание руководители цифровой трансформации, которые отвечают за цифровизацию государственных услуг. Ведомствам и коммерческим компаниям программы дают возможность ускорить внедрение цифровых сервисов. Практическая польза заметна уже в процессе обучения, когда слушатели разрабатывают проекты под существующие запросы своих компаний и, возвращаясь в офис, интегрируют готовые проекты в бизнес-процесс», – считает директор департамента реализации программ и проектов Минцифры Татьяна Трубникова.

Форум «Управление данными — 2021», организованный издательством «Открытые системы», помимо традиционно сильной бизнес-части, своей программой охватил основных игроков этого рынка. Многие выступления вызвали заметный интерес слушателей. И одной из ключевых тем, затронутой практически всеми экспертами, были изменения в потребностях заказчиков и, как следствие, модернизация предлагаемых решений. (См. также статью «'Управление данными — 2021': больше практики!», CIO.RU, 4 октября 2021).

«Мы находимся лишь в начале информационной революции. Еще шесть лет назад термин big data воспринимался чуть ли не как ругательство. Три года назад он был хайпом. Сегодня эти технологии начинают массово использоваться, принося пользу», — считает Роман Гоц, директор департамента больших данных и безопасности компании Atos. По оценкам Gartner, сейчас лишь 5% данных анализируются и имеют шанс превратиться в бизнес-идеи. В ближайшие годы эта ситуация существенно изменится. При этом наблюдается явное движение в сторону распределенной архитектуры: к 2025 году 90% данных будут обрабатываться вне ЦОДов — все усилия по централизации инфраструктуры окажутся потраченными зря.

Роман Гоц: «Компаниям важно не просто видеть, что происходит, а мгновенно реагировать на возникающие изменения»

Компаниям важно не просто видеть, что происходит, а мгновенно реагировать на возникающие изменения — именно поэтому растет популярность граничных вычислений (edge computing). Например, переход от видеонаблюдения к персонализованной видеоаналитике обеспечивает рост технологии граничных вычислений на 32% ежегодно.

Сегодня данные стали критически важны. Однако управление ими создает для компаний большие трудности: цифровая трансформация невозможна без надежной архитектуры работы с данными.

Рельсы для данных

«Мы живем в эпоху, когда меняется подход к управлению данными», — отметил Алексей Сидоров, директор по управлению данными Denodo. Он выделил явные тенденции к децентрализации корпоративных архитектур. Раньше часто приходилось слышать о «гравитации данных»: большие объемы данных «притягивали» к себе мелкие. В результате доминировал подход с созданием централизованных хранилищ и озер данных, подразумевавший физическое перемещение данных. Сейчас все мощнее работает «антигравитация», вызванная появлением гибридных архитектур. Она заставляет данные «разбегаться» из единого центра — например, по географическим и технологическим признакам, а также по принадлежности разным владельцам данных. Технология виртуализации данных, продвигаемая Denodo, призвана справиться с этой проблемой.

Роман Шемпель: «Никакие алгоритмы искусственного интеллекта не преодолеют недостатки в архитектуре данных. Если не подготовить рельсы, ваш паровоз никуда не поедет»

«Никакие алгоритмы искусственного интеллекта не преодолеют недостатки в архитектуре данных. Если не подготовить рельсы, ваш паровоз никуда не поедет», — уверен Роман Шемпель, эксперт по управлению данными IBM Russia. Выстраивание работы с данными в организации — это процесс, на разных стадиях которого решается множество задач, от методологии до формирования культуры работы с данными. В своем выступлении Шемпель уделил основное внимание выбору инструментария, включающего в себя элементы методологии DataOps, позволяющей ускорить процессы подготовки данных.

Как напомнил Михаил Александров, технический директор по продукту Polymatica ML, все компании когда-то начинали с хранилищ данных и перед ними стояла задача автоматизировать управленческую и регламентную отчетность. Тогда основной проблемой с точки зрения управления данными была их интеграция. Позже появилась задача управления качеством данных — с ростом числа источников делать это вручную стало невозможно. Затем, с развитием средств самообслуживания, стало актуально управление метаданными — создание каталогов и карт потоков данных. Сейчас все больше распространяются модели машинного обучения, которые обладают иными особенностями по сравнению с традиционными бизнес-приложениями: они расширяют требования к качеству и каталогу данных, а также обладают специфическими потребностями в подготовке данных для моделирования.

Руслан Трачук: справиться с "заболачиванием" озер данных помогает система управления метаданными

Руслан Трачук, технический директор компании «Юнидата», рассказал о системе очистки озера данных. По его словам, комплексного решения известной проблемы «заболачивания» озер данных пока нет. Помогает в этом система управления метаданными — своеобразное «озеро под озером» данных.

Представители компания Ataccama провели мастер-класс по внедрению Data Governance

Компания Ataccama провела мастер-класс по внедрению Data Governance. Кирилл Евдокимов и Алексей Ильин на практических примерах разобрали варианты использования каталога данных, способы получения ценности профилирования данных и подходы к оценке бизнес-кейсов по управлению данными.

Путь к дата-центричности

«Важно 'оживлять' данные, визуализируя их и наполняя смыслом», — подчеркнул Сергей Шестаков, генеральный директор Luxms. В крупных проектах задача аналитики больших данных, поступающих из множества внешних и внутренних источников, усложняется из-за необходимости визуализировать их в реальном времени для тысяч одновременно работающих пользователей. В результате многие масштабные системы страдают от резкого снижения быстродействия. Одним из выходов может стать 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. Шестаков рассказал о возможностях аналитической платформы для быстрой работы с большими данными, представив дата-центрическую архитектуру в качестве основы высокой производительности платформы.

В рамках дата-центрической архитектуры данные принимаются за основной актив, а бизнес-приложения выстраиваются вокруг них. Сергей Горшков, директор компании «ТриниДата», представил подход, позволяющий перейти от традиционной модели, в основе которой лежат приложения, к дата-центрической парадигме.

Большинству компаний приходится выбирать между эволюционным и революционным путями развития платформ. Эволюционный путь длиннее, но менее рискованный и позволяет извлекать пользу из данных даже в процессе трансформации. Александр Скоробогатов, архитектор решений Vertica компании Micro Focus, рассказал об унифицированном хранилище данных, сочетающем сильные стороны традиционных хранилищ и современные подходы к анализу данных.

Максим Шляпнев, директор по развитию BI-направления компании Navicon, описал построение системы Management Information System, позволяющей создать единую модель данных, частью которой являются все бизнес-методики и управленческие решения. Именно такой подход позволяет сделать данные стратегическим активом компании.

Сергей Самоукин: «Наша миссия — построить МФЦ в сфере ИТ, обеспечив получение различных услуг в одном месте»

«Наша миссия — построить МФЦ в сфере ИТ, обеспечив получение различных услуг в одном месте», — заявил Сергей Самоукин, директор по работе с корпоративными клиентами Mail.ru Cloud Solutions. Бизнес традиционно не интересуют технические вопросы, ему важна работоспособность бизнес-систем и доступность данных для принятия решений, причем все проблемы желательно решать через единое окно. Именно поэтому растет популярность облачных аналитических платформ.

Интересно и то, что на рынке платформ управления данными тоже работают общерыночные тенденции, связанные с формированием экосистем. Сергей Золотарев, генеральный директор Arenadata, рассказал о пути от собственного дистрибутива Hadoop к высокотехнологическому сообществу. «Мы стали рассматривать себя не как производителя, а как часть экосистемы, в которой предстоит жить», — сообщил он. В современном мире невозможно решать все проблемы в одиночку, и те компании, которые не понимают этого, очень быстро теряют свои позиции.

MDM становится основой цифровизации

На конференции целый блок был посвящен проблемам управления нормативно-справочной информацией (НСИ). По мнению Андрея Андриченко, советника генерального директора SDI Solution, системы класса Master Data Management (MDM) фактически выступают в качестве фундамента для цифровой трансформации бизнеса и госуправления. Без них многие цифровые инициативы просто не имеют смысла. Вместе с тем прямая польза от внедрения MDM тоже вполне осязаема. Часто в результате таких проектов выявляется около 30% неактуальных информационных объектов. Трудозатраты на ведение консолидированной отчетности сокращаются на 50%, а расходы на централизованные закупки — почти на 20%.

Андрей Андриченко: «Системы класса Master Data Management фактически выступают в качестве фундамента для трансформации бизнеса и госуправления. Без них многие цифровые инициативы просто не имеют смысла»

«Теперь мы можем делать ранее недоступные вещи. Не говоря уже о четком и правильном расчете себестоимости и оптимизации закупок, появилась возможность управлять межзаводской кооперацией и остатками на складах», — так Яна Соколова, заместитель руководителя департамента PLM и САПР «Объединенной двигателестроительной корпорации», охарактеризовала результаты почти десятилетнего опыта внедрения системы MDM. К решению на базе Semantic MDM подключено 12 заводов, входящих в ОДК, ее данные используют 26 систем. В результате проекта удалось полностью сменить инженерную парадигму: сейчас НСИ принадлежит всем сотрудникам, а не только конструкторам, технологам и отдельным бухгалтерам. Для этого потребовалось выстроить систему, одинаково удовлетворяющую потребности всех категорий пользователей.

Как считает Ольга Позднякова, директор по страховым проектам HFLabs, активно растущие компании непременно сталкиваются с проблемой достоверности данных о своих клиентах. В большой организации слишком много разнообразных источников данных, систем и сложных бизнес-процессов, и это часто приводит к ошибкам, дублированию и устареванию сведений о клиентах. В своем выступлении она ознакомила слушателей с опытом компании «Сбербанк страхование жизни» по созданию единой точки хранения клиентской информации, гарантирующей актуальность данных и отсутствие дублирования.

***

Управление предприятием на основе достоверных данных, а не субъективных мнений и эмоций — цель многих компаний. Они целенаправленно движутся к ней на протяжении уже довольно долгого времени и тратят на это внушительные средства. Практика показывает, что наведение порядка в работе с данными важнее инвестиций в любые технологии, о которых, впрочем, также нельзя забывать.

Компании по всему миру вынуждены переходить от традиционной офисной работы к распределенным средам, не теряя при этом качества связи, безопасности и эффективности во всей организации. Как показал недавний опрос, проведенный аналитиками IDC, одними из главных проблем с компьютерными сетями стало обеспечение связи и преобразование самих сетей для повышения виртуализации и гибкости. Их необходимо решать, чтобы создать более эффективную среду для работы бизнеса.

Более половины участников опроса сообщили, что в течение ближайшего года они ожидают увеличения расходов на услуги связи 5G, устройства и приложения. Столько же опрошенных полагают, что вырастут расходы на оборудование, программное обеспечение и услуги WiFi 6. Эта технология позволит повысить скорость, снизить задержки и повысить эффективность работы функций Интернета вещей в больших зданиях, офисах и кампусах.

Аналитики IDC считают, что крупным компаниям нужно внедрять беспроводную связь «последней мили», используя возможности 5G и WiFi 6. С их помощью можно поддерживать связь не менее эффективно, чем с помощью кабелей. Кроме того, они дают новые возможности работы с приложениями, постоянно использующими сеть и Интернетом вещей.

Тестирование беспилотного такси «Яндекса» в Москве будет запущено этой осенью. В начале сервис будет работать в окрестностях станций метро «Ясенево», «Новоясеневская» и «Битцевский парк» на юге столицы. Запуск беспилотного такси будет происходить поэтапно и для начала оно будет доступно только по заявкам.

«Cервис будет работать в окрестностях станций метро «Ясенево», «Новоясеневская» и «Битцевский парк». Пользователи смогут вызвать беспилотное такси в приложении «Яндекс Go», доехать на нем до метро, съездить в торговый центр или спортзал», — сообщили в компании.

В пилотном режиме беспилотники «Яндекса» ездят по дорогам Москвы уже несколько лет, а с 2018 года беспилотное такси появилось в Иннополисе. До недавнего времени за рулем машины под управлением автопилота все равно должен сидеть человек; однако вступивший в 2021 году закон снял это ограничение. «Благодаря этому беспилотные автомобили 'Яндекса' смогут ездить без водителя за рулем и использоваться в качестве такси в пределах определенной территории», — объяснили в компании.

Пока в экспериментах будут участвовать немного беспилотников: восемь в Иннополисе и десять в Москве.