Своим мнением по актуальным вопросам обработки, хранения, аналитики, обеспечения конфиденциальности данных, а также опытом работы с большими данными и кейсами применения технологий в промышленности и других сферах (ритейле, финансовом секторе, медицине) поделились топ-менеджеры и ведущие специалисты российских и международных компаний: First Line Software, ABBYY Россия, RAIDIX, Талмер (ИКС Холдинг), PROMT, ЭГО Транслейтинг, Кодекс, СБКлауд, Ivideon.
Среди наиболее актуальных аспектов, связанных с применением технологий на основе Big Data эксперты отметили:
Непонимание или не достаточно глубокое понимание заказчиками сути технологии.
Существует, зачастую, непонимание сути технологии, того, какие именно данные нужно собирать, как выделять из общего массива полезную информацию, как использовать данные? Ведь смысл и цель технологии Big Data - превращение их в Smart Data, иными словами, извлечение из них пользы
Леонид Губарьков – ведущий специалист по разработке решений искусственного интеллекта компании Талмер (Системная интеграция) в своем выступлении поддержал насущность этой проблемы. По его мнению, рабочий процесс вокруг машинного обучения выстраивается несложно, однако, основная проблема кроется в том, что чаще всего задача формулируется бизнесом достаточно размыто.
По мнению экспертов, необходима большая работа по обучению клиентов сути и важности этих технологий, как вариант, на примере пилотных проектов. Нужно проводить разъяснения по этому поводу, с привлечением бизнес-аналитиков – экспертов определенной отрасли, доносить до бизнеса необходимость грамотного внедрения технологий сбора и обработки данных. На этапе определения задачи необходимо детально обсуждать бизнес требования.
Ненадлежащее качество данных или их отсутствие.
Леонид Губарьков, Талмер, в своем выступлении, посвященном основным проблемам машинного обучения и путям их решения отметил, что с наступлением эпохи Индустрии 4.0, мир переходит к кибер физическим системам. Ключевой вопрос пока лежит в разрезе внедрения на производствах: оцифровка разных данных, порой низкого качества, а также разработка алгоритмов Data Science (науки о данных). Спикер акцентировал внимание на такой проблеме машинного обучения, как отсутствие данных, необходимых для обучения алгоритма. Часто требуется человеческий опыт, а откуда его брать, если, например, новая буровая установка не имела опыта эксплуатации?
Быстрый рост объемов данных, для которых требуются все новые хранилища и все большая скорость их обработки, а значит ресурсы и средства.
Сергей Платонов, заместитель генерального директора RAIDIX, обратил внимание участников на быстрые темпы цифровизации, в своем выступлении он отметил: «Это проявляется в развитии потребности производств и бизнесов по считыванию, учету, систематизации различных данных, полученных с различных датчиков и других устройств. Также спикер указал на важность понимания, что быстро меняются паттерны создания данных (кто, когда и как данные создает), и паттерн обработки данных (lifecycle). Эксперт подчеркнул, что сейчас сложно предсказать, какие архитектуры нейросетей потребуются завтра, поэтому технологии идут к комбинированным многокомпонентным системам хранения и обработки данных.
Состояние бизнес-процессов на предприятиях крайне затрудняет эффективное внедрение технологии.
Ольга Минаева - директор по взаимодействию с государственными органами ABBYY Россияотметила, что зачастую основную проблему представляет не столько сами данные, сколько состояние бизнес-процессов на предприятиях, подчеркнув необходимость постоянной работы по актуализации бизнес-процессов и подстраиванию их под новые BigData технологии. Спикер отметила, что основываясь на данных исследования McKinsey “Fivemovestomakeduring a digitaltransformation” - 2019, только 15% проектов поцифровой трансформации признаны успешными. При этом основными барьерами при цифровизации процессов являются: сопротивление сотрудников, непонимание потенциальных выгодот внедрения, непрозрачность бизнес-процессов. Для эффективного внедрения ИИ тоже нужен ИИ, и это – ProcessIntelligence. Перед стартом проекта важно проанализировать бизнес-процесс и понять, как он устроен.
Смещение фокуса с вопросов хранения и безопасности данных на проблему необходимости их очистки, обработки, систематизации и использования для принятия бизнес-решений, а также роль человеческого фактора в решении этой задачи.
Елизавета Иванова - R&D директор группы компаний ЭГО Транслейтинг (многоцелевого лингвистического провайдера, разработчика специализированных программных решений по очистке данных для оптимизации работы переводческой отрасли) прокомментировала вопрос о том, как превратить Data Lake в полезный систематизированный ресурс бизнеса?: «Не все данные нужно хранить, так как далеко не все данные являются ценными. Ценные данные – это собранные, очищенные и нормализованные данные. В 2020 году прогнозируется качественное смещение проблематики от хранения и безопасности к преобразованию, очистке данных. Узкое место ИИ – хорошо размеченные данные. Разметка – качественное преобразование, в процессе которого сырые данные дополняются метаданными и преобразуются в информацию. Разметка и очистка больших данных невозможна без участия человека (HITL), а разметчик – профессия будущего».
Дмитрий Аминов - директор по развитию компании IVideon, в свою очередь, отметил, что одними из ключевых вопросов остаются вопросыо том, что делать с огромными массивами получаемой ежедневно видеоинформации и как выбирать нужное для обработки и хранения для перехода к видеоаналитике для принятия решений.
Важность лингвистических технологий для Big Data
Елизавета Иванова, ЭГО Транслейтинг подчеркнула, что 80% больших данных (структурированной инеструктурированной информации во всех отраслях объемом более 1 Тб) – это текстовые данные и именно они представляют наибольшую ценность. Для работы с ними необходимы лингвисты, так как используются специальные алгоритмы обработки. NLP(Naturallanguageprocessing) - обработка естественного языка - одно из ключевых направлений ИИ по стратегическому трансформационному потенциалу. Объем рынка – 19 млрд.$ (2019), прогнозное увеличение к 2025 до 22 млрд.$.
Никита Шаблыков – коммерческий директор компании PROMTотметил, что налицо беспрецедентный рост объемов информации, которую нужно обрабатывать, ее источников, в том числе многоязычных, и требований к ее безопасности. Спикер рассказал про передовые решения PROMT в области искусственного интеллекта: PROMT Neural Translation Server (перевод текстов и документов) – систему, позволяющую в режиме оффлайн работать с большими данными под нагрузкой и обеспечивающую высокую точность перевода со скоростью 2000 слов в секунду благодаря использованию нейронных сетей;а также PROMT Analyzer SDK (анализ текстов и документов)– систему извлечения, распознавания и обработки текстовых данных. По мнению эксперта, на сегодняшний день потребность в этом велика и грамотная обработка информации ведет к снижению рисков её утраты, сокращению сроков принятия основанных на ней решений, что обеспечивает реальный переход к Smart Data.
Эксперты поделились и практическим опытом внедрения технологии на основе Big Data.
First Line Software. Илья Блаер отметил, что основная экспертиза First Line Software по применению технологии BigData находится в сфере финансового сектора и медицины, однако есть и опыт разработки пилотного проекта на промышленном производстве - была создана нейросеть, обеспечивающая соблюдение стандартов охраны труда на промышленном предприятии.
Вячеслав Самарин - директор направления IoT компании «СБКлауд» (входит в ГК «АйТеко») рассказал об опыте работы с технологиями BigData в торговле, с компаниями с распределенными офисами, а также с гос.органами в разрезе создания «умных» социальных объектов. Основные запросы бизнеса в этих сегментах: диспетчеризация процессов и профильных проблем, диагностика сбоев, безопасность хранения товаров, смарт-маркетинг, HR-процессы, построение сквозных бизнес-процессов. По мнению эксперта, торговля не боится инноваций.
Михаил Никитенко, заместитель коммерческого директора АО «Кодекс» рассказал о системе управления требованиями «ТЕХЭКСПЕРТ» и привел пример внедрения системы в ПАО «КАМАЗ»: в 2019 году заключен договор о сотрудничестве с Казанским (Приволжским) федеральным университетом в рамках проекта по формированию и классификации требований к семейству автомобилей К5 торговой марки «КамАЗ». Ранее, в 2017 году с ПАО «ТРАНСНЕФТЬ» был заключен договор о создании системы управления нормативными документами, включающий модули формирования требований и анализа нормативных документов, на противоречие требований. Требования содержатся в нормативной документации, во внутренней документации предприятий, при этом, данные хранятся в различном виде и формате. Внедрение систем управления требованиями повышают эффективность производства и управления качеством продукции.
Эксперты отметили, что переход к Smart Data - это современный технологический тренд. Данных и их источников становится все больше, поэтому необходимо это грамотно использовать. Переход к цифровой экономике и экономике данных требует всё больших интеллектуальных, временных, технических, технологических и денежных ресурсов. Вопрос работы с Big Data и связанные вопросы внедрения искусственного интеллекта актуальны практически во всех отраслях экономики.