Об использовании аналитических продуктов для решения бизнес-задач в различных отраслях экономики в интервью РИА Новости рассказал директор по развитию SAS Россия/СНГ Антон Заяц:
— По статистике, SAS лидирует на рынке углубленной и прогнозной аналитики с долей свыше 30%, а также по продажам программного обеспечения для интеграции аналитических данных — здесь доля компании составляет 22%. Какие продукты SAS сегодня являются наиболее востребованными?
— У нас в линейке сейчас три востребованных комплекса продуктов. Во-первых, это решения для клиентской аналитики. В них входит все, что касается развития клиентов, формирования индивидуального предложения, оптимизации взаимодействия с ними и, в частности, взаимодействия в цифровых каналах. Во-вторых, это семейство продуктов для управления рисками. От кредитного скоринга — оценки кредитных рисков — мы переходим к более сложным задачам, например, к выполнению требований регуляторов по стандартам МСФО 9, Базельского комитета, стресс-тестированию. В-третьих, это системы для противодействия разным видам мошенничества. Оно может быть, к примеру, стандартным банковским, которое происходит при подаче кредитной заявки, или, например, мошенничество в момент взаимодействия с банком: при выполнении платежей, при контакте через цифровые каналы, приложения на телефоне или веб-сайт. Продукты, помогающие выявлять такие мошеннические транзакции и прогнозировать вероятность, будет ли транзакция мошеннической, тоже являются частью нашего портфеля.
Кроме того, мы видим высокий спрос на решения для розничного бизнеса и CPG (Consumer Packaged Goods). Это задачи по прогнозированию спроса, оптимизации ассортиментного планирования и ценообразования — я говорю и о регулярных ценах, и о распродажах и промо-ценах. Все это ориентировано на решение специализированных задач конкретного бизнеса.
— Востребованность ваших аналитических продуктов в перечисленных вами сферах связана с успешностью их использования?
— Да. На эту востребованность одновременно работает и наша бизнес-модель: мы активно продвигаем результаты наших успешных проектов, и это соответствует одному из основных желаний заказчиков — использовать уже имеющиеся, доказавшие эффективность разработки, а не прибегать к новым. Ведь далеко не все компании могут позволить себе штат разработчиков и сотрудников, которые будут самостоятельно делать модели, интегрировать данные, строить большие витрины, осуществлять обработку данных и писать программы. Компании могут взять готовое решение, которое уже доказало свою успешность. Это наш основной посыл заказчикам. И мы ссылаемся на наши достижения не только в США и Европе, но и в России.
— Платформа SAS Viya. Вы позиционируете ее как новую универсальную основу для решения любых аналитических задач. Расскажите об этом подробнее.
— В нашей сегодняшней парадигме SAS Viya — это расширение текущей платформы SAS. Следующий этап, новые возможности. Это не означает, что все наши заказчики должны перейти на новую платформу, но мы предлагаем им увидеть и оценить ее преимущества, в частности, ускорение работы с большими объемами данных и новые алгоритмы. Для себя мы решили, что там, где есть большой объем данных и требуется большая производительность для обучения, нужна новая платформа, которая отходит от старых парадигм, работает одновременно и с данными в памяти, и с данными, находящимися на носителях, и позволяет очень быстро их обрабатывать. Мы стараемся задействовать максимальное количество ресурсов, которые предлагает современное "железо". Речь идет о большом количестве процессоров, памяти, которая сейчас стала стоить дешевле, чем десять лет назад, и о возможностях, которые предоставляются современными графическими ускорителями, что, например, позволяет тренировать глубокие нейронные сети. Для этого нам надо было написать новые принципы обработки данных и исполнения алгоритмов для нашей платформы.
SAS Viya — это современная аналитика больших данных, быстрая и расширяемая, с поддержкой облачных вычислений. И мы говорим клиентам и потенциальным заказчикам: вы можете писать свои программы не только на SAS, но и на других языках, но использовать при этом единый интерфейс и единую инфраструктуру, чтобы процесс анализа и применения моделей был аудируемым, масштабируемым и наследуемым.
— А какие проекты вы реализуете в сегменте облачной аналитики, и где они больше всего востребованы?
— Облачная аналитика — пока размытое понятие. На рынке мы довольно долго, и знаем, что заказчики предпочитают держать данные у себя. Это означает, что модель программного обеспечения как сервиса еще не получила достаточного распространения в России. Есть очень много проблем, связанных с передачей данных третьим лицам, в особенности, если речь идет о банках и персональных данных… У заказчиков возникает очень много вопросов, связанных с безопасностью и применением этих данных. Поэтому мы выбрали для себя в качестве облачной аналитики возможность предоставлять сервисы, используя либо наши собственные мощности, либо мощности наших партнеров. Но этот сервис связан не с предоставлением доступа к программам, к платформе разработки, а только с предоставлением конкретного бизнес-результата. Мы договариваемся, каким он должен быть по итогам нашего взаимодействия. Помогаем выстроить процесс, где делаем все сами, как, например, в случае с одним из ритейлеров — клубмаркетом "Смартори". В этом случае мы делали часть бизнес-процесса, связанного с формированием индивидуального предложения для клиентов: помогали понять, кто их клиенты, узко отсегментировать их и сформировать конкретное предложение. Зачастую это делается самим заказчиком, но при нехватке человеческих ресурсов или нежелании вкладываться в IT-структуру для решения подобных задач, это может быть для компании более выгодной моделью. И мы в таких случаях отвечаем за результат и дополнительный объем выручки.
Кстати, "Смартори" очень понравилось работать по этой модели, потому что в процессе настройки сотрудники компании постепенно перенимали у нас экспертизу по аналитике — узнавали, как работать с данными, как строить модели. Сейчас клиенты, которым мы настроили модели, уже поддерживают их сами, а мы занимаемся развитием проекта, наработкой бизнес-идей для выстраивания новых видов кампаний. Имея кросс-индустриальный опыт работы сотрудничества и с банками, и с телекомом, и с ритейлом, мы можем находить неочевидные возможности для аналитики и выстраивания дополнительных коммуникаций с клиентами, которых заказчик может просто не видеть в силу того, что они работают в другом сегменте.
— То есть компании не всегда представляют, какие возможности могут получить благодаря вашему продукту. Вы должны к ним прийти, рассказать и сделать предложение…
— Абсолютно верно. Представляя себе потенциальный рынок для наших классических продуктов, мы приходим, предлагаем лицензии, делаем проект. А дальше можем показать на части бизнеса, как все будет работать. И уже понимая, какой результат приносит проект, компании могут либо использовать этот сервис и прорабатывать с нами новые идеи, либо забрать наработки себе и развивать самостоятельно, если они считают, что справятся.
— А как быстро заказчик может увидеть результаты вашей работы?
— Классический вариант на примере того же "Смартори" — это результат в течение квартала, а получить отклик и посчитать финансы — уже до полугода. Тогда можно сравнить отчетные периоды между собой.
— Насколько универсальны ваши модели? Может ли разработка для одного заказчика идеально подойти и для другого?
— Стандартный подход выглядит примерно так: мы общаемся с заказчиком, узнаем задачи, выявляем проблематику, болевые моменты его бизнеса и делаем пилот. Такую работу сложно перенести полностью на другой заказ. Но в результате проекта рождаются математические модели, которые могут что-то предсказывать: лучших клиентов, спрос, денежные потоки, риски невыплаты кредитов и так далее. Эти модели переносимы, но сказать, что одна организация может взять готовый проект и использовать у себя, нельзя. Плюс, инструменты позволяют быстро построить прототипы моделей, чтобы оценить, имеет ли смысл на данных компании строить прогностические или оптимизационные модели. А потом уже дорабатывать модель, чтобы повысить ее точность или же распространить на другие сегменты и задачи бизнеса. То есть носителем знания все-таки является не конкретная модель, а человек, который ее строил и понимает ее бизнес-смысл.
— Как поменялось отношение к аналитике за последний год? И какие перемены в этой сфере вы прогнозируете в будущем?
— Интерес к аналитике очень сильно растет. На эту тему появляется огромное количество научных и практических исследований. Есть громадный интерес к идее искусственного интеллекта. Она может принимать разные формы — от забавных до чудовищных, но есть варианты и реального практического применения. Все это подогревает интерес бизнес-сообщества, которое движимо как любопытством, так и желанием заработать на аналитике данных. Нас это сильно радует, и мы сами этот интерес старательно подогреваем. И хотя фундаментальные исследования нам, разумеется, тоже интересны, мы все же нацелены на практическое применение.
— Да, искусственный интеллект — модная сейчас тема. Машинное обучение, хранилища, построенные на блокчейн, и многое другое. Стоит ли к этому относиться серьезно, или это больше маркетинговые ходы для привлечения клиентов?
— Я считаю, что нужно относиться серьезно, потому что за этим стоит не только большое количество маркетинга и пиара, но и фундаментальные исследования. Об этом говорит и количество денег, которые вкладывают в них крупнейшие корпорации, такие как Google, Facebook, Amazon. Они владеют данными, благодаря чему могут позволить себе как инвестиции, так и исследования. А когда исследования переходят в практические результаты, прорывы неизбежны. Уже есть примеры того, что нейронные сети могут лучше, чем люди, распознавать изображение, переводить с одного языка на другой, распознавать по губам слова диктора и переводить в текст. И дальше этих примеров будет больше, потому что интерес только растет. Но если мы говорим о заинтересованности SAS во всех этих инновациях, скажу так: когда мы приходим к конкретному российскому заказчику, мы видим, что у него совсем другие задачи и суть бизнеса тоже другая. Да, мы инвестируем в развитие новых технологий, способы обработки данных, но в России мы вкладываемся, в первую очередь, в новые возможности для аналитики с целью применения в конкретных областях.
