Predictive analytics, или необходимые инструменты

PREDICTIVE ANALYTICS, ИЛИ НЕОБХОДИМЫЕ ИНСТРУМЕНТЫ ДЛЯ ПРОГНОЗИРОВАНИЯ РИСКОВ
Новые вызовы, которые появляются благодаря глобальным экономическим изменениям, заставляют
по-новому взглянуть на ведение бизнеса. Рациональное использование ресурсов, повышение
эффективности производства, сокращение расходов, управление рисками, взаимоотношения с
клиентами − эти аспекты управления стали критичными для выживания компании. В условиях
сокращения бюджетов ИТ-проекты нацелены на решение конкретной бизнес-задачи в обозримые сроки −
месяцы, а не годы. Инструменты Business Intelligence (бизнес-аналитика) предоставляют компаниям
необходимую информацию в требуемое время в необходимом формате. Интеграция данных в
масштабах всего предприятия и возможность бизнес-пользователей самостоятельно строить отчеты и
анализировать данные позволяет ИТ-службе тратить меньше времени на запросы, а бизнеспользователям – на поиск информации.
Одно из актуальных направлений в бизнес-аналитике – система управления рисками. Сегодня управлять ими
нужно не по факту, устраняя последствия уже реализовавшихся рисков либо пытаясь предотвратить их в
плановом режиме, а прогнозируя, предупреждать их заранее для своевременного принятия решений. Применяя
методы прогнозной аналитики (Predictive Analytics) к уже имеющимся у компании данным, можно заранее
выявить неожиданные повороты событий и связи, а затем разработать модели, предлагающие упреждающие
действия. Это означает, что компании могут предотвратить потерю наиболее ценных клиентов, предложить
дополнительные услуги существующим клиентам, более эффективно разрабатывать продукты, пользующиеся
успехом на рынке, или выявить и свести к минимуму угрозы мошенничества и другие опасности. Прогнозная
аналитика дает знания, необходимые для прогнозирования развития, а также уверенность и силу для
правильных действий.
Прогнозная аналитика состоит из инструментов, позволяющих выполнять задачи процесса, включающего в себя
использование различных аналитических и
статистических
методов
построения
Пример: Предсказание отказа турбины
математической модели для составления
Газоперерабатывающий завод с высокотехнологичным
предсказаний о будущих событиях.
производством ежедневно производит и перерабатывает
370 млн. куб. футов попутного газа, 40 000 баррелей
ИТ-рынок на сегодняшний день предлагает
газоконденсата и 1800 метрических тонн серы. Тем не
ряд преднастроенных моделей прогнозной
менее, в системе очистки газа от серы периодически
аналитики, позволяющих решать задачи в
возникали серьезные отказы. Стандартные средства
различных отраслях. В частности, решения,
анализа не помогли выяснить их причину, поэтому
воспользовались средствами углубленной прогнозной
помогающие организациям реализовывать
аналитики. С ее помощью аналитики выявили
оптимизированные и надежные стратегии
функциональную закономерность снижения доступности
технического
обслуживания,
а
также
и надежности оборудования в зависимости от сроков его
обеспечивать повышение эффективности и
работы. Кроме того, сократили время технического
доступности
производственного
обслуживания на три дня (с 14 до 11 дней).
оборудования:
• SAS Institute. Решение SAS Predictive Asset Maintenance позволяет организациям снижать риск потери
доходов за счет сокращения времени бездействия оборудования и простоя предприятия. Благодаря
прогнозированию событий, которые могут вызвать простои, это решение позволяет сокращать количество
незапланированных операций технического обслуживания и затраты на обслуживание. Поддержка решений
по замене стареющего оборудования позволяет выбрать наиболее подходящее время для его замены, а,
следовательно, − избежать внепланового технического обслуживания. Это помогает организациям
добиваться пиковой производительности имеющегося оборудования, увеличивая эффективность
производства и снижая энергетические затраты.
• IBM. Решения IBM SPSS − это всеобъемлющий удобный в использовании комплект инструментов для
работы с данными, а также инструментов аналитического прогнозирования, предназначенный для
пользователей из производственной среды, аналитиков и программистов, специализирующихся на
статистике.
Данные решения помогают организациям реализовывать оптимизированные и надежные стратегии технического
обслуживания, а также обеспечивать повышение эффективности и доступности производственного
оборудования.
Основные функции
Решение
поддерживает
диагностическое
Модель данных, ориентированная на корпоративное
техническое обслуживание критически важных
техническое обслуживание
производственных активов и оборудования с
минимальным нарушением нормального хода
• Данные измерений предоставлены как в виде
непрерывных, так и в виде категорийных мер
производства. В результате можно максимально
• Данные по активам/оборудованию
оптимизировать
использование
ресурсов
• Данные анализа физических сбоев
обслуживания для выполнения производственных
• Данные сбоев
задач
по
повышению
рентабельности,
• Журнал экспертиз
соответствию стандартам безопасности и нормам
• Журнал технического обслуживания
по охране окружающей среды.
• Данные по окружающей среде
• Показатели стоимости
• Организационные данные
• Операционные данные
Автоматизированный контроль и оповещения
• Детализация по организации
• Детализация по группе активов
• Выполнение рабочих процессов
Создание прогнозных моделей и управление ими
• Деревья решений
• Нейронные сети
• Регрессионный анализ
• Кластеризация
• Количественная оценка
• Управление моделями
Расширенный пакет анализа
• Схемы Парето
• Контрольные схемы
• Гистограммы
• Анализ распределения
• Корректировка регрессии и кривых
Панели отчетов и ключевых показателей
эффективности (KPI) с детальными
предупреждениями
• Интерактивные панели KPI
• Интерактивные веб-отчеты
• Интерактивные веб-графики
Поддержка решений по замене активов
• Использование исторических данных
• Вмешательство оператора
• Сценарный анализ
Предпосылки для внедрения решений по
прогнозной аналитике для своевременного
обслуживания
оборудования
(диагностического техобслуживания):
• Нарушение производственного цикла из-за
внеплановых остановов и ремонтных работ
• Высокая
стоимость
технического
обслуживания, не всегда доступного по
срочному запросу
• Ужесточение требований к безопасности на
производстве и охране окружающей среды
Экономический эффект от диагностического
техобслуживания на примере независимых
отчетов*:
• Возврат инвестиций: ускорение в 10 раз
• Снижение стоимости обслуживания: 25% 30%
• Снижение числа отказов: 70% - 75%
• Снижение времени простоя: 35% - 45%
• Увеличение производства: 20% - 25%
*Источник: Департамент энергетики США
Прогнозная аналитика в действии
Раздельный учет доходов, затрат и активов на базе решения SAS Activity-Based Management в
крупнейшей нефтедобывающей компании Казахстана «Разведка Добыча “КазМунайГаз”» (РД КМГ).
Чтобы оперативно получать отчеты об эффективности существующих бизнес-процессов и рационально
использовать имеющиеся производственные мощности и ресурсы, компания «РД КазМунайГаз» реализовала
проект внедрения аналитического решения SAS Activity-Based Management.
Эффективность и производительность
Один из простых способов повысить объемы добычи нефти заключается не в том, чтобы все время
находить новые месторождения, а больше добывать из существующих, эффективнее эксплуатировать
их. И для этого существуют определенные технологии и технические способы.
Одна из причин невозможности добыть 70% остатков нефти – падение давления в пласте, что
осложняет выход нефти на поверхность. Чтобы добиться большей производительности, используется
закачка воды в старое месторождение, что позволяет вернуть давление в пласте на нужный уровень и
не искать новые. Вопрос в том, в каких местах и в каком количестве нужно закачивать воду в пласт для
повышения максимального давления. И здесь на помощь приходит аналитика, позволяющая инженерам
по месторождениям нефти определить, где, в каких месторождениях и какой объем воды закачать.
Как правило, необходимость аналитики определяется количеством скважин компании. При 20 000
скважин (нормальное количество для нефтегазовой компании) аналитика, конечно же, нужна, а при
одной скважине необходимости в аналитике нет.
Опыт АйТи
Компания сферы пассажирских перевозок
В рамках проекта разработки корпоративного информационного хранилища
крупной российской пассажирской компании на базе программного
обеспечения IBM SPSS были созданы модели прогнозирования,
позволяющие получать прогноз пассажирооборота, пассажиропотока и
доходов по различным типам вагонов, различным маршрутам с учетом
изменения макроэкономических показателей, объема и стоимости перевозок
конкурентов, сезонных факторов.
Энергосбытовая компания
В рамках проекта были разработаны инструменты для объединения данных
источников «Регуляторов» (СО ЕЭС, ОАО «АТС»), а также данные за всю
историю Энергорынка. В целом, насчитывается порядка 100 различных
источников: данные сайтов регуляторов (открытый доступ), данные
внутренних источников (портал, почта, АРМы) − специальные регламенты
загрузки, докачки, проверки наличия и правильности данных.
ОАО «РЖД»
В рамках проекта реализована задача расширения корпоративного
информационного хранилища данными о финансово-хозяйственной
деятельности ОАО «РЖД», а также создание модуля «Расчет расходных
ставок» на основе финансовых данных и производственных показателей холдинга.
Разработанная специалистами ГК АйТи автоматизированная система расчета расходных ставок стала частью
аналитической надстройки корпоративного информационного хранилища данных ОАО «РЖД». Это хранилище
построено на основе программного обеспечения компании SAS, с которой ОАО «РЖД» успешно сотрудничает
уже более 10 лет. В настоящее время вся управленческая отчетность железнодорожного холдинга реализована
на базе корпоративного информационного хранилища данных.
Казенное Предприятие Московская Энергетическая Дирекция
Информационно-аналитическая система по расчету
режимов и оптимизации перетоков мощности в
электрических сетях, расположенных на территории
г. Москвы
Цели внедрения подсистем:
•
Сбор, обработка и хранение реальных данных о состоянии объектов энергетической сети, плановых и
фактических режимах загрузки объектов энергетической сети из различных источников
•
Расчет режимов загрузки элементов электрической сети, мониторинг и анализ режимов
•
Прогнозирование нагрузки с выявлением узких мест для последующей выдачи рекомендаций по
предотвращению перегрузок и аварийных ситуаций
•
Мониторинг и контроль выполнения инвестиционных программ сетевых организаций г. Москвы
•
Повышение уровня координации планов развития (ИП) сетевых компаний с Государственной Программой
развития инженерно-коммунальной инфраструктуры города Москвы (далее – ГП) и с планами развития
города (Генеральной схемой энергоснабжения г. Москвы до 2020 г. и адресными инвестиционными
программами градостроительного комплекса)
•
Подготовка аналитической информации для принятия управленческих решений по согласованию ИП
(корректировки ИП), а также по результатам выполнения ИП
По вопросам использования и внедрения системы, а также проведения презентации, обращайтесь,
пожалуйста, в коммерческую службу Центра заказной разработки ПО компании АйТи:
Ярослав Макаров
Коммерческий директор
АйТи, Центр заказной разработки ПО
Тел.: +7 495 974 79 79
Моб.: +7 916 860 4323
E-mail: YMakarov@it.ru