Начните вводить запрос...
Менеджмент

WaveAccess на Форуме ИТ-решений: правила успешного проекта с ML

Опубликовано 4 мая, 2018

18 апреля 2018 года в Москве состоялся “Форум ИТ-решений”, ежегодно организуемый Официальным порталом ИТ-директоров GlobalCIO. Форум собрал лучшие ИТ-практики, внедренные в российских компаниях за прошедший год. Компания WaveAccess выступила партнером мероприятия. Александр Азаров, старший вице-президент по разработке ПО в WaveAccess, представил участникам форума основные этапы внедрения и подводные камни на пути создания успешного проекта по машинному обучению.

Предиктивная аналитика и анализ данных как неотъемлемый фактор цифровой трансформации бизнеса стали одной из ключевых тем “Форума ИТ-решений” GlobalCIO. Эффективному управлению данными с помощью алгоритмов машинного обучения было посвящено выступление Александра Азарова​​​​, старшего вице-президента по разработке ПО в WaveAccess. Спикер выделил риски и угрозы на каждом из ключевых этапов внедрения технологии, а также рассказал, как обойти все препятствия на пути реализации успешных machine learning проектов.

Item _1481 (1)

Как отметил спикер WaveAccess, машинное обучение уже вышло на плато продуктивности, бизнес осознал его возможности и более не испытывает страха перед внедрением технологии. Machine learning позволяет в разы ускорить процессы, сократить издержки за счет оптимизации, спрогнозировать риски или закупки, снизить процент ошибок и многое другое. Руководители компаний и ИТ-директора готовы инвестировать в этом направлении с целью получить выгоды от имеющихся данных и, тем самым, сохранить и улучшить позиции бизнеса на рынке.

Однако для бизнеса машинное обучение – по-прежнему “черный ящик”: отсутствует понимание, как именно технология работает и какие проблемы могут возникнуть в ходе разработки проекта. “Наша команда создала несколько десятков machine learning проектов и знает, как эффективно применять алгоритмы машинного обучения в разных индустриях и для разных бизнес-задач, и как выстраивать процессы. Опираясь на наш опыт, мы выделили основные этапы реализации успешного проекта по машинному обучению и ключевые подводные камни, с которыми рискует столкнуться бизнес на каждой из стадий”, – поделился Александр Азаров.

А.Азаров _форум ИТ

Участникам форума были представлены 4 ключевых этапа создания machine learning проекта: сбор и проверка данных, разработка прототипа, модель ROI, разработка решения. По статистике, 50% проектов по машинному обучению заканчиваются именно на первой стадии. “Лучше рискнуть 2-4 неделями работы команды, чтобы посмотреть, какую эффективность и предсказания можно получить теми алгоритмами, которые есть на рынке”, – подчеркнул Александр Азаров, описывая этап разработки прототипа. Очень часто бизнес ошибочно пропускает третий этап – проработку модели ROI. Тем временем, важно помнить, что тот экономический эффект, который дают предсказания, должен окупать затраты на проект. На заключительном этапе – после того, как решение создано,  имеет смысл вернуться на шаг назад и посчитать, сколько будет стоить еще несколько процентов эффективности.

Возможности machine learning Александр Азаров продемонстрировал на примере ряда кейсов из практики WaveAccess. Так, например, благодаря применению алгоритмов машинного обучения удалось значительно улучшить скоринговую модель и определение вероятности дефолта клиента для западной страховой медицинской компании. Платформе по продаже авиабилетов машинное обучение помогло более четко рассчитывать вероятность конверсии лида в покупателя и предсказывать его маржинальность.

“Форум ИТ-решений” – ведущая российская площадка для профессионального общения ИТ-директоров. Программа Форума отражает тенденции развития ИТ-отрасли в России. Главная тема Форума-2018 – “От цифровой трансформации к цифровому лидерству: современные ИТ-стратегии”. Участниками мероприятия стали представители компаний Gartner, “Ростелеком”, “Аэрофлот”, “Ренессанс Кредит”, РЖД, “Сбербанк Лизинг”, “М.Видео”, ГК “АгроПромкомплектация”, Cisco, WaveAccess, Polymedia и др.

 

Напишите нам на hello@wave-access.com

мы поделимся презентацией “Успешный проект по машинному обучению: этапы и подводные камни”.

Похожие сервисы

Машинное обучение
ИИ для службы поддержки
Мы используем файлы cookie, чтобы улучшать ваше взаимодействие с сайтом. Продолжая использовать сайт или нажимая кнопку «Принять», вы соглашаетесь с использованием нами файлов cookie, как описано в Политике обработки персональных данных.

Как мы обрабатываем Ваши личные данные

Когда вы отправите заполненную форму, Ваши личные данные будут обрабатываться службой WaveAccess. Благодаря нашему международному присутствию Ваши данные могут передаваться и обрабатываться за пределами страны, в которой Вы проживаете или находитесь. Вы имеете право в любой момент отозвать свое согласие. Пожалуйста, прочтите нашу Политику конфиденциальности для получения дополнительной информации.