Сегодня компании нацелены на улучшение взаимодействия сотрудников на предприятии, максимизацию доходов от существующих активов и уменьшение операционных расходов. Поэтому возможность подключения к сети станет основополагающей для нового поколения производителей, а технологии для анализа «больших данных» (Big Data) – еще более востребованными.
Промышленные предприятия постоянно сталкиваются с необходимостью обработки данных, которые в большом объеме поступают с заводов или других объектов. На производстве ценная информация зачастую рассредоточена по нескольким базам данных, приложениям корпоративного уровня и операционным системам и представлена в разных форматах. При отсутствии единой целенаправленной стратегии обработки информации сотрудникам завода и администрации сложно плодотворно взаимодействовать друг с другом и принимать эффективные решения. В статье рассматриваются основные подходы и методы обработки структурированных и неструктурированных данных огромных объёмов, понятие и составляющие «цифрового производства», практические аспекты использования технологий Big Data в автоматизации технологических и бизнес – процессов и их внедрение в процесс автоматизации. Приведены примеры эффективного применения технологий Big Data в отечественную и зарубежную промышленность.
Практическое использование «больших данных» в бизнесе — Антон Вокруг, Data prom.
технологии Big Data
информация
«цифровое» производство
автоматизация технологических и бизнес – процессов
1. Цифровизация в производстве с помощью 4.0 // Вовремя: ру [Электронный ресурс]. – URL: http://vo-vremya.ru/stati/malyj-biznes/cifrovizaciya-v-proizvodstve-s-pomoshhyu-4-0/ (дата обращения: 20.05.2018).
2. Сухарева А. «Большие данные» на службе у большой промышленности [Электронный ресурс]. – URL: https://www.computerra.ru/182483/industry-bigdata/ (дата обращения: 15.03.2018).
4. Зенкевич А. Big data в промышленности: как обеспечить максимальную выгоду от инноваций? // CRN/RE («ИТ-бизнес») [Электронный ресурс]. – URL: https://www.crn.ru/news/detail.phpID=117807 (дата обращения: 18.04.2018).
5. «Яндекс» внедрил технологию Big Data в производство стали // Servernews [Электронный ресурс]. – URL: https://servernews.ru/936104 (дата обращения: 17.05.2018).
6. Хасанов М.М., Прокофьев Д.О., Ушмаев О.С., Белозеров Б.В., Гильманов Р.Р., Маргарит А.С. Перспективные технологии BIG DATA в нефтяном инжиниринге: опыт компании «ГАЗПРОМ НЕФТЬ» [Электронный ресурс]. – URL:http://ntc.gazprom-neft.ru/research-and-development/papers/13596/ (дата обращения: 20.04.2018).
7. Big Data и информационная безопасность // SecureNews [Электронный ресурс]. – URL: https://securenews.ru/big_data/ (дата обращения: 18.03.2018).
Переход к «цифровому производству» и технологическое развитие на основе цифровых технологий – это основа глобальной конкурентоспособности современных предприятий. Ранее под термином «цифровое производство» понимали набор прикладных систем, которые в основном использовались на этапе технологической подготовки производства, а именно: для автоматизации процессов разработки программ для станков с ЧПУ, для автоматизации разработки технологических процессов для сборки, для автоматизации задач, связанных с планированием рабочих мест при программировании роботов, и для интеграции с системами цехового уровня (или системами MES, Manufacturing Execution System) и системами управления ресурсами ERP. В последние годы, в связи с появлением новых прорывных технологий, этот термин получил более широкую трактовку. И сегодня под «цифровым производством» понимается, прежде всего, использование технологий цифрового моделирования и проектирования как самих продуктов и изделий, так и производственных процессов на всем протяжении жизненного цикла. По сути, речь идет о создании цифровых двойников продукта и процессов его производства.
Большие данные как инструмент для развития бизнеса. Практические кейсы.
Цель исследования: исследование процесса автоматизации технологических и бизнес – процессов с использованием технологий Big Data, определение основных этапов внедрения технологий Big Data в автоматизацию технологических и бизнес – процессов, анализ опыта внедрения технологий «больших данных» на современных промышленных предприятиях.
Материалы и методы исследования
Специалисты полагают, что изменения в современной промышленности (часть из них происходит уже сейчас), которые «цифровое производство» подразумевает, будут происходить по следующим ключевым направлениям:
— Цифровое моделирование – развитие получает концепция цифрового двойника, то есть изготовление изделия в виртуальной модели, включающей в себя оборудование, производственный процесс и персонал предприятия.
— «Большие данные» (Big Data) и бизнес-аналитика, которые возникают в процессе производства.
— Автономные роботы, которые получат большую промышленную функциональность, независимость, гибкость и исполнительность по сравнению с предыдущим поколением.
— Горизонтальная и вертикальная интеграция систем – большая часть из огромного количества использующихся в настоящее время информационных систем интегрировано, но необходимо наладить более тесное взаимодействие на различных уровнях внутри предприятия, а также между различными предприятиями.
— Промышленный Интернет вещей, когда поступающая с производства информация с большого количества датчиков и оборудования объединяется в единую сеть.
Один из признаков «цифрового производства» – наличие системы интеллектуального управления, то есть возможность плотной интеграции имеющегося технологического оборудования и получение широкого объема информации о технологическом процессе из любой точки производственной экосистемы [1].
Сегодня данные – одна из важнейших составляющих жизни общества и каждого человека. Современный этап развития общества характеризуется постоянным увеличением объема данных. Данные поступают из множества различных источников, это данные GPS-навигаторов, спутников, интернет-запросов, социальных сетей, данные, получаемые из IoT (Internet of Things, Интернет вещей). Структура и состав этих данных зачастую не определены.
Big Data (большие данные) обладают следующими свойствами: огромные размеры, разнородность и неупорядоченность, требуют быстрой обработки. Технологии Big Data – это совокупность инструментов, подходов и методов обработки как структурированных, так и неструктурированных данных огромного размера для дальнейшего их использования.
К основным технологиям и инструментам Big Data относятся:
– NoSQL базы данных;
– углубленная аналитика (статистика, предиктивная аналитика и Data Mining, лингвистическая обработка текстов);
– инструменты класса Data Discovery.
Практическая реализация технологий Big Data – это современные нейронные сети и производные на их основе системы, например системы распознавания образов, имитационное моделирование, машинное обучение, прогнозная аналитика. Широкое распространение технологии Big Data получили в банковском секторе, сфере телекоммуникаций, промышленности, здравоохранении, энергетике, страховании и торговле. В крупной промышленности уже много лет осуществляется сбор огромного количества данных для улучшения качества продукции и повышения эффективности производства [2].
Основными материалами для исследований предметной области являются: выборка научных и профессиональных работ отечественных авторов в области технологий Big Data, обработки огромных массивов данных, интернет-ресурсы по изучаемому вопросу.
Методами исследования являются сравнительный и системный анализ, логический подход.
Результаты исследования и их обсуждение
Технологически функционирование высокоавтоматизированного (в том числе с широким использованием промышленной робототехники) цифрового предприятия обобщенно выглядит следующим образом. С помощью технологий Интернета вещей в физическом пространстве собираются огромные массивы информации, которые отправляются в киберпространство, где анализируются с привлечением искусственного интеллекта. Результаты этого анализа возвращаются обратно в физическое измерение, и здесь уже на их основе принимаются управленческие решения.
Технологии Big Data позволяют автоматизировать технологические и бизнес-процессы, что приводит к повышению скорости реакции бизнеса на внешние и внутренние возмущения. Экономический эффект достигается за счет повышения прозрачности процессов, улучшения качества планирования, внедрения повсеместного управления по отклонениям (или по целям), повышения оперативности определения причин отклонений, постоянным нормированием и стандартизацией лучших практик. Внедрение Big Data имеет вполне конкретную цель – реализация динамической модели управления бизнесом, которая обеспечивает быструю реакцию бизнеса на внешние и внутренние возмущения. Если в системе происходят возмущения, будь то нестабильность в сбыте, вариации в производстве, отклонения в снабжении, адаптивная модель управления бизнесом позволяет быстро «перенастроиться» в соответствии с лучшей стратегией, что обеспечивает ему кардинальное повышение конкурентоспособности. Более того, адаптивная модель управления бизнесом использует нестабильности, вариации, отклонения для постоянного улучшения структуры и параметров бизнеса [3].
Общая схема применения технологий Big Data в процессе автоматизации технологических и бизнес – процессов на предприятии приведена на рисунке.
Технологии Big Data в процессе автоматизации технологических и бизнес-процессов
Производители устанавливают датчики на ключевые части оборудования для сбора информации в режиме реального времени. Полученные и обработанные данные отправляются во все подразделения предприятия для обеспечения взаимодействия между структурными подразделениями и принятия соответствующих управленческих решений.
Эту информацию можно использовать для улучшения сервисного обслуживания (предотвращение простоев, поломок оборудования), для создания целевых маркетинговых предложений [4].
Непрерывный мониторинг ключевых показателей дает возможность определить проблему и принять необходимые меры для ее решения. Современные системы позволяют наблюдать за технологическим процессом и выявлять влияющие на него факторы с помощью любого Web-браузера. Такие решения позволяют превратить производственные данные в информацию, необходимую для эффективного управления предприятием [2].
В качестве основных этапов внедрения технологий Big Data в автоматизацию технологических и бизнес – процессов можно назвать следующие:
Извлечение данных из источников (большая часть данных генерируется на уровне датчиков, АСУТП, MES, ERP).
Хранение данных (соответствующее хранилище данных, не зависящее от производственных серверов.
Обработка данных (нормализация данных для того, чтобы впоследствии можно было применять инструменты «гибкой аналитики», статистического контроля и анализа, цифрового моделирования).
Анализ данных. «Гибкая аналитика» позволяет с помощью мастеров самостоятельно просто и быстро организовать для себя клиент-ориентированную аналитику. То есть любой обученный работник настраивает для себя ту отчетность, которая ему необходима для работы: отчеты, графики, гистограммы, регрессии, карты Шухарта. Тем самым, кардинально повышается эффективность анализа данных в бизнесе.
Цифровое моделирование позволяет найти «цифровые двойники» не только технологических объектов, но и бизнес – процессов. Когда у специалиста есть «цифровой двойник», он может оперативно найти наилучшие нормы, технологические режимы, процедуры, регламенты. Кроме того, «цифровые двойники» позволяют реализовать сквозное оперативное планирование потока создания ценности в соответствии со стратегическими целями, что обеспечивает как оперативную синхронизацию объектов потока, так их и оптимизацию.
Технологии Big Data в качестве ключевого компонента промышленного Интернета вещей уже широко используются на многих предприятиях в России и за рубежом, позволяя работникам улучшить уже имеющиеся навыки, а предприятию функционировать более эффективно.
Приведем несколько примеров использования технологий Big Data на промышленных предприятиях.
ThyssenKrupp AG, один из ведущих мировых производителей лифтов, внедрила систему MAX, которая через Интернет вещей собирает данные от датчиков, установленных в лифтах компании, и по ним строит модели на платформе Azure Machine Learning, позволяющие предупредить инцидент до его возникновения и передать технику конкретный код поломки для сокращения времени обслуживания.
Компания General Electric Oil https://science-engineering.ru/ru/article/view?id=1193″ target=»_blank»]science-engineering.ru[/mask_link]
Технологии Big Data: зачем использовать большие данные в бизнесе
Бизнес , Веб-Аналитика
Сегодня не обязательно быть крупной компанией, чтобы работать с Big Data – технологиями, которые позволяют систематизировать и анализировать большие данные. Получить доступ к этой информации может и средний, и малый бизнес.
Рассказываем, как Big Data улучшают процессы в компаниях и какие задачи помогают решать.
Что такое Big Data
О термине Big Data заговорили в 2008 году. Его предложил редактор журнала Nature Клиффорд Линч в спецвыпуске, посвящённом взрывному росту мировых объёмов информации. Спустя год термин подхватила деловая пресса, а в 2011 году консалтинговая компания Gartner включила Big Data в топ-10 трендов в области IT.
Big Data (англ. «большие данные») – это инструменты и методы обработки большого количества обезличенной структурированной и неструктурированной информации для решения практических задач. Если раньше такие данные использовались в научно-академической среде, то сейчас технологии Big Data широко применяются в коммерческом секторе.
Аналитика больших данных
Посмотрим, что можно узнать с помощью этих технологий:
- Кто покупает продукт и кому ещё его можно продать?
Компании анализируют потребности и интересы аудитории. Это помогает выстраивать эффективную коммуникацию с клиентами и совершенствовать свои продукты.
- Почему бизнес-стратегия оказалась удачной или, наоборот, не показала нужных результатов? Какие есть закономерности?
Ответы на эти вопросы позволят выбрать в будущем наиболее эффективную модель для компании.
- Как будут развиваться события? Каких сценариев можно избежать?
Прогноз основывается на уже имеющихся данных и готовых шаблонах. Например, так можно оценить, стоит ли выдавать человеку кредит в банке.
- Какие есть проблемные зоны в бизнесе?
Если вы не просто строите предположения, а знаете о конкретных недочётах, это позволит правильно выстроить работу и сэкономить ресурсы компании.
При этом данные, которые собирают data-центры, агрегированы и деперсонализированы. То есть с помощью них нельзя ничего узнать о конкретном человеке. Вместо этого Big Data позволяют создать обезличенные сегменты аудитории и сделать выводы на основе этой выборки.
Как применяются технологии Big Data в бизнесе
Приведём несколько примеров того, как большие данные помогают работать реальным компаниям и объединениям.
Так, компания в сфере здравоохранения Express Scripts обрабатывает информацию о миллионах рецептов на препараты, которые продаются через розничные аптеки и доставляются на дом. Пациенты сообщают, если лекарства вызывают побочные эффекты. Эти данные позволяют Express Scripts прогнозировать ухудшение здоровья других людей на год вперед.
Компания The Climate Corporation разработала приложение Climate FieldView. Оно помогает фермерам повышать качество урожая. Для этого у них есть данные о погоде, состоянии почвы, влажности и т.д. Приложение даёт возможность координировать действия между работниками фермы, сравнивать карты урожайности, чтобы решать проблемы в поле и прогнозировать предстоящий посевной сезон.
Большие данные можно использовать в экономике, торговле, HR и других областях. Так, МТС Маркетолог применяет Big Data в маркетинге – показывает рекламу только тем людям, которым она будет интересна.
С помощью платформы рязанская сеть АЗС отправила потенциальным клиентам SMS, после чего транзакции заправки выросли на 13,2%. А один загородный отель в Ленинградской области привлёк посетителей – конверсия от SMS-рассылки составила 6,7%.
Таким образом, с Big Data компании могут решать стратегические задачи и оптимизировать рутинные процессы. Всё это превращает большие данные в один из главных инструментов бизнеса.
Магомед Чербижев
Поделиться:
Никита Пасечник
Эксперт в области продвижения и интернет-маркетинга. Специалист по бизнес-решениям. Опыт работы более 10 лет. Более 5 000 часов активных тренингов и практик.
Источник: o-es.ru
Как повысить продажи в три раза с помощью Big Data и машинного обучения
Алексей Шиховец, руководитель отдела маркетинга CleverDATA и эксперт курса « Big Data с нуля » Нетологии, рассказал Rusbase, к ак обеспечить рост повторных покупок и снизить стоимость удержания постоянных клиентов.
Алексей Шиховец
Руководитель отдела маркетинга CleverDATA
Большие данные активно используют маркетологи в онлайн-рекламе и маркетинговых коммуникациях. Они позволяют оптимизировать расходы в логистике и производстве. Яркий пример — работа американской компании оптовой и розничной торговли Walmart, огромной сети магазинов.
Они обрабатывают около 2,5 петабайт (2500 терабайт) данных каждый час из 200 внутренних и внешних источников, отслеживая ситуацию в торговых точках. И в соответствии с меняющимся поведением клиентов компания оперативно корректирует цены на товары.
При этом, оснастив датчиками собственный автопарк, компания собирает данные о передвижении машин с товарами в режиме реального времени. Благодаря этой информации ритейлер оптимизирует собственные поставки товаров и логистику в целом.
Методы анализа больших данных построены на технологии машинного обучения. С её помощью формируются алгоритмы, которые способны находить скрытые взаимосвязи, дообучаться, строить прогнозы и тем самым оптимизировать бизнес-процессы и формировать рекомендации. Большие данные как технология позволяют отработать гораздо большее количество гипотез, чем в состоянии сделать человек, тем самым помогая совершенствовать процессы, своевременно реагировать на различные изменения и сокращать потери денег и других ресурсов.
Как это работает
В 2017 году мы получили предложение от британского партнера Beauty Brains оптимизировать маркетинговые коммуникации на основе больших данных для трёх британских интернет-магазинов косметики и средств ухода.
Нам нужно было понять интересы аудитории каждого бренда, чтобы персонализировать email-рассылки, обеспечить рост повторных покупок и снизить стоимость удержания постоянных клиентов.
У каждого магазина своя аудитория и свой накопленный объём ценных данных о покупках из CRM-систем. Именно собственные данные о потребительском поведении наиболее ценны для последующей обработки и формирования правильных выводов.
