Александр Дмитриев, операционный директор Ctrl2GO
Какие IT-решения сегодня наиболее востребованы в различных секторах экономики? Я бы назвал три основных «кита»: интеллектуальные системы управления технологическим процессом, искусственный интеллект, который способен принимать сложные решения на основе разрозненной слабоструктурированной информации, и умные решения для технического обслуживания и ремонта.
Все вышеперечисленные технологии основаны на работе с большими данными (Big Data). Почти каждая компания из любой отрасли аккумулирует у себя гигантский объем различных данных – от информации о своих клиентах до показаний производственного оборудования.
Выигрывают те, кто внедряет решения, способные улучшить процессы на самом высоком уровне: в управлении финансами, активами, персоналом, в принятии бизнес-решений. Поэтому просто собирать данные недостаточно. Именно аналитика способна превратить эти неструктурированные данные в «бизнес-портрет», выявить «узкие места» и точки роста и даже дать рекомендации по оптимизации.
Кому надо собирать данные?
По данным Deloitte, только 15% компаний используют свои данные правильно и научились извлекать из них коммерческую ценность.
А тем временем глубокий анализ данных и управление ими – основной тренд. Так, ритейл, телеком и банковская сфера уже почти в совершенстве овладели этим умением. Почему промышленный и аграрный сектора не дотягивают до этой тройки?
Есть несколько причин: недостаточное финансирование, несовместимость нового оборудования со старыми активами, некомпетентность сотрудников, необходимость оцифровки аналоговых данных с оборудования, машин и непосредственно сам объем данных.
Простой пример: локомотив может быть оснащен 500 датчиками, один поезд – это уже 4000 датчиков. Если сбор данных происходит в режиме 24/7, получаются петабайты данных в год. В других отраслях с такими объемами данных никто не сталкивался! При этом нет проблемы, чтобы оснастить какой-либо объект любым количеством датчиков. Но понять, куда их поставить, с какой частотой замерять и как интерпретировать данные – это вопрос наработки опыта.
Какие данные собирать?
Если озадачиться тем, чтобы оснастить датчиками все – удовольствие выйдет дорогим: придется создавать целую инфраструктуру для сбора и хранения информации. Вы потратите миллионы долларов, но потом будете ломать голову, что с этими данными делать, либо подобная оптимизация просто не окупится. Поэтому универсального ответа на вопрос, что нужно собирать, нет.
Все зависит от оборудования, от режима эксплуатации, от того, какие модели уже созданы и апробированы, и в каждом конкретном случае это вопрос проектирования – на этом этапе вероятность ошибиться гораздо выше, если вы не обладаете опытом.
Именно эксперт, который понимает производственный процесс и как устроено оборудование, должен указать, какие из измеряемых параметров наиболее ясно отражают работу техники.
Какие решения по анализу данных лучше внедрять?
Наш опыт внедрения решений по аналитике данных от разных компаний свидетельствует, что российские производители и команды не уступают, а иногда превосходят в чем-то иностранные. Ведь отечественные разработки обеспечивают целостность ИТ-систем и безопасное хранение данных – это важный фактор.
Сегодня у России есть все возможности обеспечить внутренний рынок безопасными и качественными решениями, которые будут способствовать эффективной цифровизации и развитию различных секторов экономики.
У бизнеса после пандемии назрела острая необходимость преобразования всех процессов. Прогресс не остановить, бизнесу становится сложнее удержать маржу, свою ценность и временную монополию без инновационных интеллектуальных решений. Вот почему очень важно уметь работать с Big Data правильно. И найти такого технологического партнера, который поможет добиться конкретных целей. Главное – подойти к этому нужно максимально грамотно и системно.