Как прескриптивная аналитика решает проблемы бизнеса и зачем выбирать подрядчика для ее внедрения

В последние годы российские компании активно наращивают темпы цифровизации и цифровой трансформации. Предприятия проходят путь от внедрения ERP- и MES-систем до использования инструментов анализа данных в стратегии развития.

Аналитика помогает бизнесу сделать все процессы максимально эффективными, повысить производительность, оптимизировать затраты и трансформировать цепочки поставок.

Задачи по аналитике данных можно разбить на 3 класса:

1. Descriptive analytics – описательная аналитика или «аналитика случившегося». Ориентирована на сбор, систематизацию и обобщение «сырых» данных из различных источников для поиска интерпретируемых зависимостей и закономерностей.
2. Predictive analytics – предсказательная аналитика. Опираясь на исторические данные, позволяет ответить на вопрос, что может произойти в будущем.
3. Prescriptive analytics – предписывающая аналитика. Помогает понять, какие действия нужно предпринять сейчас, чтобы принимать эффективные решения в будущем.

По сути, это три стадии развития аналитики. Если раньше компании использовали в основном дескриптивные методы, то сейчас все чаще обращаются к предитиктивным и прескриптивным.

В статье разберем инструменты, помогающие интегрировать в компанию предписывающую аналитику, а также объясним, почему именно сейчас она может быть полезна бизнесу.

Интуиция, опыт и лучшие практики

Люди, принимающие управленческие решения, зачастую руководствуются опытом и интуицией, а при необходимости дополнительно привлекают управленческих консультантов. Как правило, услуги консалтинговой компании стоят дорого, а их решения предполагают комплексные стратегические или операционные изменения в компании. Эти перемены, в свою очередь, можно разбить на подзадачи и внедрить для них многоразовые инструменты. Как с помощью EvaProject и EvaWiki построить прозрачную бесшовную среду для успешной работы крупного холдинга 2.4 т

Simulation (имитационное моделирование)

Один из таких многоразовых инструментов – Simulation modeling. Он отлично подходит для задач, в которых:

• не хватает точности описания всех входящих параметров и их зависимостей с функцией изменения системы;
• невозможно построить дифференциальное уравнение, описывающее систему.

В качестве примера такой задачи можно назвать прогнозирование необходимой инфраструктуры для открытия новой станции метрополитена. Аналитикам нужно рассчитать количество билетных автоматов, определить расположение эскалаторов и провести другие расчеты. И на помощь приходит как раз имитационное моделирование.

Machine Learning

Это самый обсуждаемый инструмент последних лет в России. Он подходит для задач с большим количеством корректных входных данных, где зависимость между входными и выходными данными тяжело описывается.

Operations Research

Инструмент, который позволяет найти оптимальное решение на основе математического и стратегического моделирования, а также различных эвристических подходов. С его помощью можно найти локальный и глобальный оптимум для управленческих решений компании. Например, разработать инструмент для быстрого принятия решений по производству удобрений в соответствии с быстро меняющимися требованиями рынка.

Почему сегодня так актуальна Prescriptive Analytics?

Во-первых, компании сталкиваются с тем, что данных слишком много и ими сложно оперировать. Оптимизация помогает подбирать лучший вариант максимально быстро, экономит силы специалистов и уменьшает вероятность ошибок.

Во-вторых, очевидна и экономическая польза от такого вида аналитики. Ведь оптимизация в несколько процентов может привести к существенному увеличению выручки и рентабельности. К примеру, сокращение порожнего пробега автотранспорта повлияет на сокращение эксплуатационного парка.

В случае, когда оптимизируемый процесс является одним из основных в компании и предполагает постоянное принятие решений, тоже как нельзя кстати использование инструментов prescriptive analytics. Так, в логистической компании таким процессом является консолидация заявок и построение оптимальных маршрутов, в горнодобывающей — планирование производства.

Также компаниям сейчас нужно решить проблему импортозамещения. В России пока нет аналогов коммерческих зарубежных солверов (например, IBM CPLEX, Gurobi) и поэтому необходима кастомная разработка под существующие системы.

Со всеми описанными задачами можно справиться как своими силами, так и с помощью компании-подрядчика. И если в первом варианте потребуется дополнительно нанять специалистов с соответствующим опытом и иметь для них большой пул задач, то второй путь будет проще и выгоднее. У подрядчиков есть своя команда и конкретный опыт решения похожих проблем в сфере работы заказчика. Например, F5Devs успешно выполняет стратегические и операционные задачи таких компаний, как «Газпром», «Трансмашхолдинг» и «ЛокоТех».

Три причины обратиться к F5Devs

Комплексный подход. В команде работают математики – выпускники Школы анализа данных Яндекса, разработчики высоконагруженных систем из крупных компаний, которые глубоко понимают специфику отрасли и задач. Перед каждым проектом проводится полноценное исследование для разработки решения четко под потребности заказчика и с применением оптимальной технологии.

Прогнозирование экономического эффекта. На этапе разработки прототипа команда F5Devs рассчитывает экономический эффект через заранее определенные метрики. Например, на этапе составления технического задания определяется, на какие показатели заказчик хочет повлиять и разрабатывается ряд гипотез, которые помогут ему получить желаемый результат.

Масштабирование успешных решений. После проверки гипотез создается комплексное решение для регулярного использования. Оно покрывает все необходимые бизнес-процессы и учетные системы, а также обеспечивает выход на новый уровень эффективности.

Оставить заявку на консультацию для разработки сервиса можно через почту contact@f5devs.ru