Закрыть [x]

Перейти на мобильную версию

Игорь Бардинцев, «Северсталь Менеджмент»: «Эффект по каждой модели машинного обучения измеряется десятками миллионов рублей в год»

Игорь Бардинцев, «Северсталь Менеджмент»: «Эффект по каждой модели машинного обучения измеряется десятками миллионов рублей в год» 03.07.2018

Игорь Бардинцев, директор по развитию цифровых технологий, CDO «Северсталь Менеджмент» и спикер Второй конференции «Цифровое предприятие», поделился с CFO Russia опытом использования алгоритмов машинного обучения и рассказал о внедрении цифровых проектов в его компании.

Как давно «Северсталь» использует алгоритмы машинного обучения? Что послужило причиной для их использования?

Создание и вывод в промышленную эксплуатацию на регулярной основе мы начали в 2017 году. Мы увидели практический потенциал машинного обучения, который можно получить прямо сейчас. Подтвержденный эффект по каждой из выведенных в эксплуатацию моделей измеряется десятками миллионов рублей в год. Инвестиции в создание собственной компетенции по машинному обучению окупились в первый год проекта.

По каким критериям вы выбираете приоритетные направления для цифровых проектов?

Если коротко, мы руководствуемся двумя критериями: «есть данные для работы» и «есть положительный ожидаемый финансовый эффект». Среди проектов, отвечающих этим двум критериям, выбираем самые экономически привлекательные.

Сейчас мы находимся на стадии «снятия сливок». В компании есть накопленные архивы исторических данных, готовых к обработке и анализу. Также мы понимаем, какой эффект можно ожидать от внедрения. Параллельно мы создаём задел на будущее: подключаем новые источники информации и начинаем накапливать данные для использования в будущем.

С какими сложностями вы сталкивались при внедрении цифровых проектов?

Наиболее часто встречаются сложности из области корпоративной культуры и человеческого фактора. Во-первых, цифровые технологии сейчас на стадии «хайпа», что приводит к завышенным ожиданиям. Компании часто ожидают, что применение любого алгоритма машинного обучения увеличит производительность вдвое и более. На самом деле нормальным уровнем считаются улучшения в пределах 5-10%. Бывают исключения, когда удаётся достигнуть эффекта в 25-30%, но такое случается редко.

Во-вторых, владельцам бизнес-процессов, внедряющим у себя алгоритмы машинного обучения, бывает сложно адаптироваться к вероятностному характеру результатов работы моделей. К примеру, мы создаём модель, предсказывающую вероятность оттока сотрудников массовых специальностей. Модель выдаёт результат, что сотрудник Иванов Иван Иванович с вероятностью 70% уволится из компании в течение ближайших трех месяцев. Какие управленческие действия может предпринять кадровая служба в такой ситуации? Как быть с пониманием, что в 30% случаев модель предскажет увольнение неверно? Чтобы выработать правильный сценарий работы с такой моделью приходится очень много и плотно сотрудничать с заказчиками, проговаривая каждый из возможных вариантов действий.

Задать свои вопросы Игорю и узнать больше об опыте «Северсталь менеджмент» вы сможете на Второй конференции «Цифровое предприятие», которая состоится 23-24 августа 2018 года в Москве.

Анастасия Алешина

Наши конференции:


Комментарии