Данная презентация рассказывает о предпосылках создания в банковской группе Lloyds продвинутого инструментария исследовательской аналитики, о ходе внедрения этого инструментария с привлечением кросс-функциональных рабочих групп и о результатах выполнения данного проекта. Кроме того, мы подробно остановимся на потенциальных преимуществах использования средств исследовательской аналитики в рамках намеченных планов. Группа Lloyds все стремительней развивается как клиентоориентированное информационное предприятие. Это проявляется на уровне корпоративной культуры. Так, в компании была введена должность директора по данным, были инвестированы значительные средства в технологии работы с данными (причем объем и централизованность этих инвестиций продолжают расти), а также внедрен единый инструментарий, позволяющий глубже анализировать полученную информацию. Банковская группа Lloyds уже имеет достаточно проработанную информационную инфраструктуру, позволяющую использовать выявленные закономерности для привлечения клиентов и улучшения качества обслуживания благодаря персонализованному маркетингу, инвестициям в цифровые технологии и т. п. Все это ставит новые задачи в связи с внедрением Agility и других новых технологий, из-за чего технологический ландшафт становится все более дорогостоящим и сложным. Выбранный подход был призван привлечь разные команды из подразделений бизнеса и ИТ. Это позволило оперативно сформулировать ряд инновационных идей (в том числе по таким направлениям, как обработка клиентских данных, розничные продажи и цифровые технологии) и затем объединить их в рамках новой технологии, привлекая для этого экспертов из разных областей – от бизнес-аналитиков до специалистов по управлению заинтересованными группами.

Умные города формируют огромные объемы разнородных и сложных данных. Одна из основных задач проекта «Seestadt Aspern» - проанализировать данные, накопленные в различных сферах городского хозяйства, и сформировать новое, более глубокое, понимание их динамики при помощи аналитических методов. В данной презентации мы расскажем о проекте в целом, собранных объемах информации, об использованных методах обработки данных и аналитики, а также приведем примеры конкретных приложений.

Teradata IntelliFlex является наиболее важным шагом развития платформы Teradata за последнее десятилетие. Новая архитектура предлагает беспрецедентные достижения в таких аспектах, как гибкость конфигурации, масштабируемость и доступность системы. IntelliFlex позволяет компаниям изменить подход к развитию аналитических платформ, в сочетании с развитием базы данных даст возможность создавать системы со смешанной конфигурацией.

Tele2 внедрила EDW – единое корпоративное хранилище. Цель проекта − создать единый слой данных для максимально полного и точного отражения бизнеса Tele2. Внедрение корпоративного хранилища с нуля стало вызовом для зрелой компании с большой историей и развитым IT-ландшафтом. Это требовало построения новой модели данных и прямой интеграции с системами-источниками – без миграции из старого хранилища. Создание корпоративного аналитического хранилища принесло осязаемые результаты для бизнеса компании: дирекция по маркетингу создает целевые рекламные и промокампании с использованием актуальных данных, руководители получают инструмент для оценки эффективности стратегии и выполнения основных KPI, аналитики – информационную и технологическую базу для поддержки операционных процессов и запуска новых проектов. Важно, что при их внедрении используются принципы единого управления данными. Так, создание хранилища стало еще одной точкой роста бизнеса. Наши решения и опыт могут пригодиться компаниям, которые хотят объективно оценивать свой бизнес-потенциал. Инструменты, выработанные на основе единого источника данных на платформе Teradata, позволили бизнесу реально увидеть свои возможности для обоснованного построения стратегии и тактики, быстрой реакции на изменения рынка.

Современные технологии и средства коммуникации открывают перед обычным клиентом широчайшие возможности для взаимодействия с любой компанией. Однако практика показывает, что растет не только количество каналов и интенсивность коммуникаций, но и сложность путей взаимодействия клиента и компании.
В связи с этим перед компаниями стоит непростая, но характерная задача: с одной стороны, улучшить клиентский опыт и максимизировать прибыль, с другой – оптимизировать инвестиции в инфраструктуру и приложения, обеспечивающие устойчивость взаимодействия с клиентом.
Решение данной задачи возможно в следующей «трехмерной» системе координат:
1) в обработке и интеграции данных о клиенте,
2) в продвинутой клиентской аналитике,
3) в оптимальной последовательности реализации маркетинговых коммуникаций с использованием наиболее эффективных каналов для каждого конкретного клиента и события в его жизненном цикле.
Это и есть три ключевых компонента решения Customer Journey.
В данной презентации будут рассмотрены примеры успешных реализаций, а также неудачных подходов в применении Customer Journey. Будут также сформулированы основные принципы построения системы Customer Journey на базе решения Teradata.

Собрав опыт нескольких десятков проектов по всему миру, Teradata представляет методологию RACE (Rapid Analytics Consulting Engagement). RACE помогает клиентам Teradata получить ответы на важнейшие вопросы управления аналитическими проектами: каким должен быть состав проектной команды? сколько должен длиться проект? как сформировать актуальный и выполнимый список задач? как контролировать процесс? как оценить полученный результат?

Практика непрерывной интеграции и проверки кода решений (Continuous Integration) уже глубоко проработана и широко применяется в индустрии разработки программного обеспечения. Однако для решений в области аналитики данных она только развивается. Многие компании переходят на использование гибких методологий ведения проектов (Agile), но внедрение таких методологий не может быть в полной мере эффективным без наличия соответствующей технологической основы. В ходе сессии мы расскажем о преимуществах, которые дает внедрение практик Continuous Integration в процессы аналитики. А также продемонстрируем систему, позволяющую работать с кодом решения, автоматизированно проводить тестирование и подготавливать установку решения в промышленную среду.

Надвигается новая эра конкуренции на основе продвинутой аналитики. Эти технологии внедряются целым рядом ведущих организаций в большинстве отраслей, включая транспорт, финансы, телекоммуникации, производство. Присоединяйтесь к интересной дискуссии о решающей роли машинного обучения, когнитивных технологий и искусственного интеллекта в создании нового мира возможностей, а также о глубоком воздействии, которое они оказывают на все отрасли.

В данной демонстрации мы покажем подходы и инструменты решения Customer Journey для анализа поведения клиентов в «трехмерной» системе координат, включая: обработку и интеграцию онлайн и оффлайн данных о клиенте, продвинутую клиентскую аналитику и реализацию маркетинговых коммуникаций, с использованием наиболее эффективных каналов для каждого конкретного клиента.

Любая компания стремится свести время от разработки концепции модели до внедрения модели к минимуму. К сожалению, часто даже в самых развитых data-driven компаниях отсутствует очень важный компонент – стабильная платформа для model production. Фабрика моделей обеспечивает инфраструктуру, благодаря которой переход от разработки модели к стадии production возможен в течение дня. Легкость и быстрота обеспечиваются благодаря унификации стиля кодирования (с помощью созданного KPN пакета ModelFactory, работающего вместе с Teradata Aster) и повсеместному использованию инструментария, который хорошо известен разработчикам и становится популярным в сфере data science – GIT и Jenkins.

Интернет вещей все активнее проникает в нашу жизнь в течение последних нескольких лет во многих областях повседневной реальности - от подключенных в сеть холодильников до интеллектуальных систем уличного освещения и счетчиков учета потребления энергоресурсов. Во всех сферах жизни датчики встраиваются в сложные машины и объекты. Они уже стоят на бортах самолетов, грузовых судов, автомобилей, замеряют параметры работы турбин и двигателей, установлены в системах мониторинга буровых установок и нефтегазовых скважин. Фокусными областями в наших проектах в области Аналитики Вещей являются продвинутая аналитика сенсорных данных, прогностика отказов оборудования, переход на этой основе к новым сервисно-ориентированным бизнес-моделям. Характерной общей особенностью этих проектов является использование исследовательских платформ со встроенным мощным математическим аппаратом и продвинутых архитектур на основе ПО с открытым кодом для сбора и хранения данных реального времени и неструктурированной информации.

В современном мире большая часть данных все еще не формализована и представляется в виде текста на естественном языке – например, сообщения в социальных сетях, записи звонков в кол-центры, тексты договоров, описания предоставленных услуг или целей расходования средств. В то же время часто возникает задача категоризации такой текстовой информации – т. е. разделения большого массива объектов по смыслу сопровождающего их текстового описания. Решение данной задачи предполагает учет морфологии естественного языка, изменения смысла слов в зависимости от контекста, определенный уровень абстракции при создании категорий, а также наличие структурированного каталога категорий, максимально охватывающего все области знаний.
Использование структуры категорий и статей Википедии в совокупности со статистическими методами позволяет провести автоматическую категоризацию произвольного набора текстов и избежать больших трудозатрат на ручное обучение системы категоризации.

В докладе описывается опыт построения системы категоризации текстов на примере публичных данных бюджета РФ. Данная система категоризации обеспечивает:
• формализацию морфологии и работу с контекстом на основе Открытого корпуса русского языка;
• построение каталога категорий общего назначения на основе российского сегмента Википедии;
• использование латентно-семантического анализа для определения тематик текстовых документов и отнесения к категориям.

Результаты работы этой системы легли в основу аналитического web-приложения Teradata AsterBudget (https://asterbudget.info) и инфографики «Вселенная общественных финансов».

В рамках своего доклада я постараюсь дать ответ на следующие вопросы:
• Почему Data Lake – важная часть современной корпоративной архитектуры?
• Почему Data Lake – проекты не должны растягиваться на годы?
• Какие подводные камни ждут компании ступившие на путь построения Data Lake?
• Что такое Kylo и почему с ним создание Data Lake становится доступно всем без исключение независимо от отрасли и масштаба организации?