Подписаться
Читать в телеграм
Как должны выглядеть ключевые бизнес-процессы с точки зрения использования в них ИТ?
Что должно включать в себя тестирование ML-модели?
Как роботизация может решить задачу оптимальной рассадки сотрудников в офисе?
Для крупных компаний ИТ-департамент — уже не просто поддерживающее подразделение, а полноценная часть бизнеса, влияющая на его эффективность. Требования к гибкости разработки ПО и ускорению Time-To-Market растут с каждым годом.
Под современной разработкой мы в первую очередь подразумеваем Continuous Integration и DevOps. При этом роль автоматизации и тестирования, с помощью которых можно оптимизировать бизнес-процессы и разработку ПО, часто недооценивается.
Автоматизация и тестирование критически важны. Хороший руководитель должен регулярно задаваться вопросом: какой еще процесс я могу автоматизировать?
Эффективный менеджер не стимулирует подчиненных выполнять его задачу по пунктам. Он умеет выстраивать процесс контроля исполнения решений через бизнес-процессы и ИТ.
Ниже мы разберем несколько примеров того, как сегодня должны выглядеть ключевые бизнес-процессы с точки зрения использования в них ИТ.
Работа с ML-данными
Когда в бизнесе меняются потребности конечного пользователя, ML-модель становится неактуальной и перестает работать. Например, косметический магазин расширяет свой ассортимент, добавляя в него косметику из Кореи. Магазин делает это в связи с изменением трендов в отрасли и желанием оставаться на «одной волне» с клиентами. Однако ML-модель обучалась на истории покупок клиентов, а в ней подобные товары отсутствовали. Это значит, что система будет продолжать настойчиво рекомендовать те группы товаров, которые были актуальны на момент ее обучения. Поэтому модель придется переучивать вручную.
Чаще всего жизненный цикл ML-модели выглядит так: от бизнеса поступает задача, Data Scientist готовит данные и строит модель, а затем начинается хаос. Бюрократия, сложности в эксплуатации, отсутствие мониторинга метрик сервиса в продуктовой среде. В таких условиях ручная доработка модели занимает много времени, а бизнес-процессы, управляемые данными (data-driven), требуют быстрого реагирования.
Как все должно выглядеть в идеале? При появлении в истории покупок клиентов новых типов товаров ML-модель должна самостоятельно выявлять изменения трендов и рекомендовать именно то, что сейчас в моде. Тестирование, в свою очередь, призвано проверять работоспособность модели в изменившихся условиях, а также улучшение продуктовых метрик — например, конверсии.
Качественная работа с технологиями машинного обучения — это не просто создание хорошего приложения или ML-модели. Ваше решение прежде всего должно эффективно решать задачи бизнеса.
Роботизация интеллектуальных задач
Роботизация рутинных задач (RPA) уже стала обыденной практикой. Например, в HR-сфере резюме на бумаге, записи в Excel-таблицах и ручной поиск кандидатов на массовые позиции ушли в прошлое. Теперь рекрутеры работают с умными системами.
Пора роботизировать процессы более высокого интеллектуального уровня. Так, руководитель группы машинного обучения нашей компании Николай Князев предложил нетривиальное решение проблемы рассадки сотрудников в офисе — написал программу, которая рассчитывает варианты расстановки рабочих мест.
Роботизация требует переосмысления бизнес-процессов на уровне топ-менеджмента. Руководство компании должно определить, какие функции сотрудников уже сейчас можно передать роботам — в каких областях уже есть вся необходимая для этого информация и т.д.
Интеграция безопасности в DevOps
Крупные компании активно вкладываются в DevOps и большие данные, завязывают на них критичные бизнес-процессы. Однако ИБ-инструменты в эти решения обычно не закладывают, а иногда нужных систем просто нет на рынке.
DevSecOps — новое явление для российского рынка. Суть подхода в том, чтобы интегрировать средства ИБ во все этапы разработки и эксплуатации приложений. Тем самым мы уже на старте защитим систему от потенциальных угроз.
Нужно интегрировать безопасность в DevOps так, чтобы она не тормозила бизнес. Иначе вместо роста эффективности вас ждут замедление Time-To-Market и проблемы с той самой гибкостью разработки ПО.
