Согласно данным аналитической компании Reportlinker, к 2026 году объем рынка цифровой трансформации достигнет $2,6 трлн. Количество представителей бизнеса, заинтересованных в цифровом развитии, постоянно растет, а основной фокус внимания сосредоточен вокруг создания цифровых пространств компаний, развития облачных технологий и инфраструктуры, применения технологий ИИ и организации эффективной работы с данными.
Давайте вначале попробуем разобраться, что же такое цифровая трансформация. Выражаясь простым языком, это, по сути, внедрение новых цифровых технологий в производственные процессы предприятия. При этом, в зависимости от контекста, можно иметь как полный переход той или иной компании на цифровые рельсы, так и замену каких-либо отдельных элементов. Однако, есть одна важная тонкость – само понятие цифровая трансформация также эволюционирует, собирая в себя больше различных смыслов и значений.
Значение данных
Есть еще один важный факт, который необходимо учитывать: с цифровизацией отдельных компаний напрямую связан рост объемов данных в среде этих самых отдельных компаний. На основе грамотного и эффективного их использования, можно решить массу задач, связанных как с автоматизацией отдельных структур внутри предприятия, так и целых направлений бизнеса, что особенно показательно в свете корпоративной автоматизации по всему миру в целом.
Приведу пример из личного опыта. Будучи облачным архитектором, я получил задачу на перевод маркетингового агентства на SaaS решение от Google Cloud Platform с дальнейшей автоматизацией и интеграцией в корпоративный мессенджер. Компания, тем самым, смогла сэкономить более 15 тыс. евро в месяц и высвободила несколько сотен человеко-часов в год. Существуют и другие подобные примеры, показывающие потенциальные возможности цифровизации.
Цифровое конкурентное преимущество
Ажиотаж цифровых трансформаций сегодня можно назвать одним из самых явных мировых трендов и тому есть причина: цифровизация – это настоящее конкурентное преимущество. Руководство различных корпораций на рынке понимает – чтобы оставаться в седле и успевать за научно-техническими новшествами, необходимо видеть основные показатели эффективности, знать каким образом эти показатели меняются и какие факторы на них могут повлиять, при этом такие данные должны быть наглядными и находиться в быстром доступе.
Соответственно, необходимо анализировать как можно большее количество данных, которые генерируются в процессе бизнес-деятельности, в поисках инсайтов, делать это быстро, в режиме реального времени.
Существует еще несколько дополнительных аспектов:
- Возможный рекламный эффект цифровизации. Очень многие клиенты отдадут предпочтение компании современной и технологически развитой.
- Сами данные могут стать частью капитала компании и быть ценной частью ее ресурсов.
Мы можем наблюдать, что во многих отраслях торговля такими данными уже стала частью окружающей нас реальности. Данные, которые генерирует каждый из элементов общества – что человек, что компания – сегодня являются тем самым зерном, из которого получают муку, из которой пекарь печет хлеб: информация о завершении реконструкции дороги позволит логистической компании перестроить маршруты, сэкономив расходы, и, либо получить дополнительную прибыль, либо снизить цены для клиентов, тем самым увеличить долю рынка, получив конкурентное преимущество и улучшив репутацию среди заказчиков. И таких примеров множество.
Говоря о цифровом конкурентном преимуществе в целом, приведу еще один показательный пример из своей практики по автоматизации существующего процесса. Один из проектов моей команды включал в себя полную автоматизацию развертывания и настройки всей инфраструктуры логистической компании, а именно более 100 серверов их внутренней инфраструктуры, и около 50 серверов т. н. внешнего кольца.
Ранее все это существовало в формате арендованных стоек в дата-центрах, сейчас же планировался переезд в облако. Совместно с инженерами компании нам удалось перенести все параметры софта и инфраструктуру в формат кода. Таким образом, время, затрачиваемое на развертывание и настройку нового сервера, сократилось на 90%, вдвое уменьшился срок реагирования на инциденты на счет использования автоматического мониторинга логов.
Тренды и риски
- В случае решения компании переходить на цифровые решения, необходимо иметь в штате специалистов, связанных с реорганизацией процессов или структурными изменениями в компании. В части случаев эту роль выполняют различные консалтинговые службы.
- Очевидна тенденция повсеместного включения в производство технологий ИИ и машинного обучения. В связи с этой тенденцией появляются, так сказать, «интеллектуальные сервисы». Этот инструмент в руках бизнеса может иметь впечатляющую эффективность, так как способен перерабатывать массу неструктурированных документов, а затем систематизировать имеющиеся данные, автоматически классифицируя их и помечая определенным образом. При этом, следует понимать, что перед внедрением такого рода моделей в бизнес-процессы их необходимо обучить, что само по себе является нетривиальной задачей, и часто оправданность создания собственной модели стоит под вопросом. Здесь и приходят на помощь интеллектуальные b2b-сервисы, которые могут предоставить услуги ИИ-моделей под ключ.
- Следует понимать, что на текущем этапе развития, ИИ не может полностью заменить человека: AGI (artificial general intelligence) еще не создан, а модель пока что не сможет уловить те доступные только человеку нюансы межличностного общения. При этом, автоматизировать рутину ИИ уже по силам, как и получить новые инсайты из массы ранее неиспользованных данных, что особенно важно при цифровизации бизнеса и применимости концепции 4IR.
Как это работает?
В большей части случаев для цифровой трансформации или автоматизации, отлаживания процессов, компании необходимо понимать, какую цель она пытается достичь. Зная цель, можно понять и необходимые шаги, и источники данных и инсайтов. Мало простого сбора данных – важно их анализировать, изучать, выявлять тенденции, а самое главное – конвертировать результаты анализа в осязаемый бизнесом результат, измеряемый в цифрах.
Для наглядности, представьте себе паука, который находится в центре паутины и по колебаниям паутинок знает обо всем, что происходит вокруг него. Паук в данном примере – центр принятия решений компании или бизнес-направления. Пауку мало знать – ему необходимо и реагировать: «паутинки» (потоки информации) выстроены определенным образом и передают не просто данные, а полезные данные, из которых можно сделать вывод о дальнейших действиях.
В случае паука – о пойманном насекомом или смене погоды, в случае компании или бизнес-направления – о росте ошибок в инфраструктуре или росте количества отказов от покупки после добавления товара в корзину, или же о росте количества лидов (клиентов) по конкретному запросу. Источниками данных могут быть как сами бизнес-процессы, так и события, происходящие на стыке из нескольких процессов – главное – использовать появившиеся данные на пользу для бизнеса. Именно тогда компания может смело сказать, что данные для нее также являются инструментом, а не багажом.
Читайте также:
Вы скорее всего правы, я не работал в химии, но тем более это нельзя доверять ИИ, это просто преступно.
Софт? Извольте - например пакет Statistica. Но коллеги правы, та же Statistica - мощный инструмент в умелых руках. Как хорошо, что у вас есть уже много данных - это просто сокровище! Для начала - разведочные анализ и просеивание предикторов (я не химик ни разу, не судите строго) - известных параметров процесса (коль данные по ним есть) - т.е. выявление параметров, которые через 3-5 минут приведут к измеримому результату. При этом, предикторы могут быть как числовыми, так и категориальными (перечислимыми). Далее - таже Statistica предложит вам на выбор несколько моделей (от регрессии до нейросети) с оценкой их качества - выбирайте. Периодически стоит обновлять модель на новых данных. Я с этим столкнeлся еще лет 20 назад - когда начинали разрабатывать скоринговые системы для кредитования. Еще раз повторюсь - наличие данных - большай удуча! Иногда, нужные данные надо добывать!
Есть и аналоги Statistica, но я как-то привык. Если нравятся нейросети (бывает!) можно за 2-3 дня на java сваять сеть самому - и в путь! Обучайте свою сетку - полная независимость. Главное - адекватные данные!
Наверное, 200 реакций для всего процесса, а в реакторе, которых может быть несколько, протекает меньшее количество реакций. Тут даже может быть несколько разных установок, которые работают в рамках одного производственно-технологического процесса.
Или реактор может быть один, но в разных его частях (сегментах) протекает меньшее количество реакций.
Для каждой части реактора нужно поддерживать какое-то ограниченное количество параметров (давления, температуры, расходы (подачи продуктовых потоков), уровни жидкости, концентрации каких-то компонентов, ну и т.д.
Кстати, помимо химических процессов происходят еще физические процессы - сжатие - расширение, нагрев - охлажение, фазовые переходы, разделение сред и продуктовых потоков (например, в колоннах).
Управлять протеканием 200 реакций, боюсь, очень сложно, нужно посегментно управлять меньшим количеством реакций, ну а также балансировать между сегментами. Балансовые параметры - это давление, расход, уровень.
И еще, очень желательно, чтобы реакции происходили в реакторе, а не во вспомогательном оборудовании, которое для этого не предназначено, а то конденсация или полимеризация в компрессоре создает проблемы и компрессору и всей технологии.
А что значит поток неизвестного состава?
Этот состав постоянный на какой-то промежуток времени, то есть пришел эшелон цистерн с нефтью, Вы не знаете, какая это нефть, но для всего эшелона ее состав постоянный, нефть с одного местрождения.
Тогда надо адаптировать систему на "первой" цистерне, а потом уже она будет работать для оставшихся цистерн этого эшелона.
Ну а если состав от цистерны к цистерне меняется, то тут все гораздо сложнее.
Тут надо иметь уже систему адаптированную на разные составы, и для каждой цистерны выбирать свою настройку, но тогда надо знать составы цистерн, хотя бы грубо.
В основном, на питоне сейчас модно данные обрабатывать. Но мне, в силу ряда причин, ближе java, так вот - на java есть шикарные фреймворки по сетям и вообще по ML, приведу только два наименования: WEKA и Neuroph - там есть свои GUI - то бишь графические интерфейсы пользователя - удобно! Это дело вообще - затягивает! Помню общался с нефтяниками - так у них каждая скважина - мощный источник данных, которые надо собирать, обрабатывать и прогнозировать возможное развитие событий. Чертовски интересно! Многие нормальные люди Вам, Евгений, позавидуют! Интересная, востребованная задача, да еще при наличии данных - это большай удача в профессии! Удастся найти решение - цены Вам не будет! Можете даже сервис предлагать, когда надоет по найму работать.
Очень и очень согласен!
Это не бухучётом заниматься.
Это значит, что вы не знаете в каком соотношении нефть/газ/вода поступят из скважины в конкретный момент времени.
При этом вода совсем не дистилированная, а как раз наоборот, неплохо минерализованная, газ может содержать неуглеводородные компоненты, концентрация этих компонентов не известна.
На выходе вам нужно получить товарную нефть определенной группы качества, в которой четко определны остаточная вода, остаточные соли, давление насыщенных паров. От группы качества нефти зависит ваша выручка и прибыль.
Ну это не на нефтеперерабатывающем и нефтехимическом производстве, это первичная очистка и подготовка прямо на месторождении.
В этих процессах по-моему химии особо нет. Ну кроме очистки от серы, агрессивных солей или еще чего-то.
Я сталкивался с этой проблемой в том виде, что для того чтобы запустить нефть в трубу нужна очистка, а то трубы корродируют и в них образуются порывы.