Состоялась конференция «Качество этих — 2022. Стратегия, инструменты, практики, перспективы», организованная и проведенная издательством «Открытые системы».
Во время работы тематической сессии «Стратегии & инструменты (технологическая оснастка, которая воздействует на предметы труда и изменяет их, предмет, орудие для производства каких-нибудь работ. . В основе конструкции и правил использования инструмента лежит знание законов материального мира, приложенных к технологии производства)» конференции « Качество этих — 2022 » специалисты российских организаций и компании (может означать: Компания (фр. compagnie) — название формирования, в России ей соответствует рота (пример, Лейб-компания)) Precisely поделились своими взглядами на качество этих, используемые инструменты, внедренные решения. Была отмечена важность связи бизнес-процессов и управления данными. Управление этими должно приводить к достижению бизнес-результатов на основе объединения бизнес-целей, а также оценки результатов и стоимости с учетом измеряемых воздействий и рисков. По словам Александра Трекина, старшего регионального директора по торговлям Precisely в России и странах СНГ, измеряемые бизнес-результаты позволяют развивать и совершенствовать программы работы (может означать: Работа — это выполнение действий во времени и пространстве с применением силы) с данными. Заказчикам Precisely, применявшим ориентированные на бизнес подходы, удалось, по этим компании, ускорить развертывание таких программ до 40%, повысить рентабельность инвестиций до 7 раз, а вероятность реинвестирования — немало чем на 75%. Эрик Хуберт, старший инженер по продажам компании Precisely, продемонстрировал возможности инструментария Precisely Data360, какой разработчики предлагают как решение со многими важными для корпоративных пользователей интегрированными функциями. Оно позволяет оптимизировать цепочки поставок этих — от сбора и обнаружения информации до ее анализа и получения результатов.
При развертывании программ работы с данными приходится мастерить выбор между внедрением промышленных решений качества данных и собственными разработками, учитывая требования технических заданий, размер бюджетов, сроки и ожидания базара. В компании Tele2 сформировали набор критериев для такого решения (многозначный термин), включающий в том числе ролевую модель, настройку штампов проверок, контроль версий, историю изменений, возможность самостоятельной доработки и ряд других. «Оценив имеющиеся ресурсы, собственные разработки и сформулированные заявки, мы решили приобрести промышленную систему (множество элементов, находящихся в отношениях и связях друг с другом, которое образует определённую целостность, единство)», — пояснила Екатерина Моисеева, старший менеджер по качеству этих Tele2. Выбор инструментария Ataccama позволил компании в течение трех месяцев создать фундамент управления качеством (Качество — философская категория) этих, осуществить интеграцию с корпоративными информационными системами и обеспечить полноценное участие команды специалистов Tele2 в выполнении проекта.
В компании «УралХим», одном из крупнейших игроков базара минеральных удобрений нашей страны, где внедряют платформу данных и глубокой аналитики и используют Informatica DQ, именно низенькое качество данных и отсутствие культуры работы с ними называют одной из причин, способных «свести на нет» эффективность цифровизации. К основным принципам управления качеством этих в «УралХиме» относят: сквозную организацию управления в рамках операционных процессов всей компании; разработку (может означать: Процесс проектирования и конструирования изделия (см. Разработка нового продукта и Разработка с общедоступными наработками) Итеративная разработка Разработка алгоритмов Разработка программного обеспечения Разработка приложений для мобильных устройств Разработка компьютерных игр Веб-разработка Разработка персонажа в мультипликации Контрактная разработка электроники Разработка управляемая моделями Разработка через тестирование Обратная разработка Разработка комитетомРазработка в музыке) и внедрение соглашений о качестве этих совместно с ответственными представителями владельцев данных; интеграцию с другими процессами управления ИТ-ландшафтом. Для контроля качества этих используют алгоритмы искусственного интеллекта, которые, в частности, применяют для дедублирования и сопоставления справочника (Справочная книга — издание практического назначения, с кратким изложением сведений в систематической форме, в расчёте на выборочное чтение, на то, чтобы можно было быстро и легко навести по нему справку) номенклатуры с внешними справочниками контрагентов, ранжирования весов значимости метрик, проверки физиологически допустимых диапазонов значений данных устройств промавтоматизации.
«Архитекторы и пользователи корпоративной системы управления качеством этих должны в первую очередь думать о пользователях, а не только о точности данных», — полагает Алексей Еремихин, зодчий решений работы с данными компании Badoo (Bumble), подчеркивая, что качественные данные должны соответствовать ожиданиям их потребителей. Для этого у любого бизнеса есть свои возможности (направление развития, присутствующее в каждом явлении жизни; выступает и в качестве предстоящего, и в качестве объясняющего, то есть как категория): от изучения ожиданий (событие, которое рассматривается как наиболее вероятное в ситуации неопределённости и предвкушения чего-либо, также более или менее реалистичное предположение относительно будущего события) и помощи пользователям (лицо или организация, которое использует действующую систему для выполнения конкретной функции) до обучения, формирования ожиданий и работы над промахами.
Система управления (Управление — целенаправленное воздействие на процессы для изменения их прохождения с целью достижения желательного результата или избегания нежелательного) мастер-данными Объединенной двигателестроительной корпорации, работа над которой ведется более 10 лет, охватывает немало 4 млн объектов, 12 площадок и обслуживает 31 систему, являющуюся потребителем нормативно-справочной информации (сведения независимо от формы их представления). Рост объемов этих из различных источников усложняет процесс контроля качества как собственно данных (зарегистрированная информация:439; представление фактов, понятий или инструкций в форме, приемлемой для общения, интерпретации, или обработки человеком или с помощью автоматических средств (ISO/IEC/IEEE 24765-2010)), так и метаданных. Для огромных массивов исторических этих номенклатурных справочников производственных площадок используются инструменты автоматизированной обработки заявок на нормализацию нормативно-справочной информации, а также интеллектуальная система согласования изменений (понятие, охватывающее в самом общем виде всякое изменение и превращение; в механике — изменение положения во времени и в пространстве) и дашборд оценки качества этих. После цикла машинного обучения внедрен модуль искусственного интеллекта для приема заявок и новых «исторических» массивов. В сегодняшнее время завершена интеграция решения MDM с единым номенклатурным справочником госкорпорации «Ростех».
Системы на основе алгоритмов машинного обучения (деятельность по изменению и адаптации поведения субъекта обучения с целями выживания, развития, совершенствования) предъявляют особые требования к качеству данных, отмечают в компании «Лента». Такие данные, наряду с соответствием общепринятым параметрам качества, должны обладать в том числе причинно-следственной связью с моделируемыми событиями, характеризоваться отсутствием нежелательных ненастоящих смещений, иметь достаточный объем для обучения. Для абстрагирования данных от конкретных сценариев их использования в интеллектуальных системах управления качеством этих и решениях больших данных, в «Ленте» используют концепцию FeatureStore, позволяющую сформировать уровень управления этими для машинного обучения. На базе архитектуры FeatureStore в течение трех месяцев разработано собственное решение, максимально отвечающее заявкам компании. Теперь, в частности, релиз новой модели занимает часы, а не недели, как это было раньше.
Для машинного обучения в районы обработки естественного языка в компании «ЭГО Транслейтинг» разработали решение для нормализации текстовых корпусов, какое применяется для сбора текстовых данных, их анализа, обработки и очистки для обучения нейросетей, в том числе для тренировки систем машинного перевода.
В пивоваренной компании «Балтика» ориентируются на процессный подход к управлению этих. «Данные и процессы следует рассматривать в совокупности, поскольку это не только позволяет лучше определить источники и потребителей этих, но и во многих случаях дает возможность найти точки приложения усилий для решения возникающих проблем и предотвращения дальнейших инцидентов качества этих», — утверждает Варвара Макарьина, менеджер по развитию аналитических систем. Для повышения качества этих в «Балтике» используют проверку, доработку и изменение процесса. В этой компании, к примеру, встроили обработку (процесс создания какого-либо продукта с использованием первичных (труд и капитал) и промежуточных факторов производства (сырье, материалы и тому подобное)) инцидентов в схему управления качеством этих. По словам Макарьиной, практическую помощь в работе с данными оказали советы, методы и рекомендации, которые обсуждались в докладах мероприятий издательства «Отворённые системы».
