— Как аналитика данных, искусственный интеллект, машинное обучение помогли бизнесу в условиях пандемии?
— Пандемия изменила паттерны поведения, на основании которых компании строят свои прогнозы. Соответственно, данные, которым доверяли до пандемии, утратили актуальность. Во время самоизоляции многие проекты были приостановлены, в том числе для накопления новой информации о поведении потребителей, новой статистики. Как только она стала появляться, бизнес адаптировал и внедрил новые модели. Но также появилось множество прикладных решений, которые создавались в режиме проверки гипотез и не требовали большого объема новых данных.
Показательный пример — изменение профиля клиентов банков, которые из-за ограничений или потери дохода не могли вовремя платить по кредитам и просили об отсрочке или кредитных каникулах. Если модель успели вовремя адаптировать, кредитный рейтинг заемщика не страдал, а сам банк не фиксировал резкое падение качества своих активов.
В онлайн-ретейле при отсутствии товара система с использованием аналитики данных и искусственного интеллекта (ИИ) предлагала покупателю аналоги. Это не только сохраняло средний чек, но и позволяло удовлетворить потребности покупателей. Также, например, во время логистических проблем один из интернет-ретейлеров посчитал стратегически важным сохранить лояльную базу клиентов, которая была накоплена за долгие годы, и их заказам система отдавала приоритет.
Благодаря возможностям ИИ в отслеживании потенциального мошенничества в 2020 году многие крупные страховые компании стали переходить на дистанционное урегулирование убытков при авариях.
— Каковы векторы развития у аналитики данных?
— Здесь несколько трендов. Продолжается демократизация инструментов, развитие так называемых self-service систем. Основной тренд сейчас — это дата-грамотность, то есть умение работать с данными, которое уже становится неотъемлемой частью большинства профессий. При этом инструменты аналитики тоже становятся демократичными: разрабатываются платформы, которые просты в использовании, не требуют знания программирования, чтобы как можно больше работников, применяя аналитические инструменты, могли принимать правильные решения.
Мы видим явный тренд на обработку данных в реальном времени, когда сочетаются инструменты искусственного интеллекта, больших данных и потоковой обработки. Аналитика данных из пакетного режима переходит в режим реального времени. Как результат: например, клиент получает предложение непосредственно в тот момент, когда обращается, причем с учетом контекста обращения. Благодаря этому достигается высокая степень персонализации. В идеале каждый клиент получает именно то, что он хочет, именно в тот момент, когда ему это нужно.
В этом смысле аналитика способствует развитию экосистем. Компании стремятся собрать данные о поведении клиента в разных обстоятельствах. Например, банк может оценить поведение клиента в ретейле, страховании, туризме, на заправках, посмотреть, как он пользуется услугами связи. Чем больше различных данных компания имеет о клиенте, тем точнее можно выявить его потребности и склонности и предложить продукты, которые ему потенциально интересны и которые он купит с максимальной долей вероятности.
Кроме того, идет активное освоение облака, а это позволяет подключить и анализировать неограниченное количество источников данных и намного быстрее масштабировать свои системы. Уже больше года назад SAS заключила стратегическое партнерство с Microsoft, что дало нашим клиентам гораздо больше возможностей по использованию облачных сервисов. Это позволяет им оптимизировать затраты, не тратясь на покупку локальных серверов, и существенно сократить time-to-market: тестирование идей и развертывание моделей происходит намного быстрее.
— Каковы основные сценарии применения технологий искусственного интеллекта?
— Сейчас ИИ и машинное обучение уже помогают проанализировать огромный объем данных, принять решение и далее направить это решение на исполнение. При том что рутинные процессы ускоряются и открываются новые возможности, ИИ не может и, думаю, не сможет заменить человека. У нас в компании даже есть расхожее выражение, что ИИ умен настолько, насколько умен человек, который за ним следит.
— А можете привести примеры из своей практики?
— Концепцию «один сегмент — один клиент» крайне сложно реализовать технически. На SAS была построена программа лояльности НСПК «Мир», которая как раз реализует эту идею «один сегмент — один клиент». То есть предложение максимально персонализировано для каждого человека исходя из его потребностей и поведенческих характеристик.
На всплеск хищений личных данных и последующих мошеннических действий с ними, например, SAS ответила разработкой чат-ботов — виртуальных помощников для помощи жертвам мошенничества. В США такой бот на платформе SAS Viya внедрен в партнерстве с Центром по борьбе с хищениями персональных данных (ITRC).
В России в 2020 году вступили в силу поправки в закон об ОСАГО, дающие возможность страховым компаниям устанавливать тариф с учетом особенностей конкретного автовладельца и транспортного средства. И уже в 2021 году SAS совместно со страховой компанией АСКО представили методологию построения комплекса тарифных моделей с помощью машинного обучения. В итоге клиенту предлагают страховку по индивидуальному тарифу.
В производственном секторе создаются цифровые двойники промышленных объектов. Программное обеспечение на основе искусственного интеллекта способно рассчитать поведение оборудования и предупредить персонал о возможной аварии за несколько часов. За это время можно предотвратить аварию. Один из знаковых таких проектов мы недавно завершили на золотодобывающем комбинате в Казахстане.
Спрос на аналитику растет везде, где есть данные, от логистики и ценообразования до анализа полок конкретного магазина. Мы работаем и с индустриями, где копятся сложнейшие для анализа данные, — например, сельское хозяйство. Из анализа земель по сотням параметров, прогноза погоды и других факторов составляется решение, какие добавлять удобрения, чтобы получить качественный урожай. Воспроизводство домашних животных строится на основе анализа геномов.
— SAS намерена провести IPO к 2024 году. Что компания планирует сделать в рамках подготовки к размещению на бирже?
— Выход на IPO — это возможность качественно и количественно масштабировать бизнес, привлечь дополнительный капитал, который обеспечит развитие на долгие годы.
IPO требует максимальной прозрачности компании, поэтому в SAS активно запускаются процессы консолидации информационных систем и процессов. Ведется подготовка сотрудников к работе в новых условиях, так как публичная компания обязана выполнять ряд требований регуляторов по финансовой отчетности.
