Искусственный интеллект поможет управлять закупками крупных компаний

Бизнес – на пути к smart-закупкам, в которых большую роль будут играть искусственный интеллект и блокчейн

В сфере закупок последние два десятка лет шёл постепенный переход от тактического ручного управления процессом к стратегическому, осуществляемому с помощью цифровых инструментов, но именно 2-3 года назад начались тектонические сдвиги.

Фактически речь идёт не только о сокращении издержек и автоматизации рутинных процессов.

 Дискуссия о том, как осуществляется этот переход, велась на глобальном форуме SAP Ariba Live, который проходил в Амстердаме.

От экономии средств – к созданию стоимости

Согласно данным совместного исследования Университета прикладных наук Вюрцбург-Швайнфюрт и компании SAP, лидеры рынка закупок увеличивают инвестиции в IT-инстументы, видя в них конкурентное преимущество. Результаты исследования были презентованы во время глобального форума SAP Ariba Live.

Изучив цепочки поставок и процедуру закупок более 450 компаний по всему миру, исследователи выяснили, что на сегодняшний день только 5% компаний достигли высокой степени автоматизации. При этом 83% руководителей бизнеса видят за ней будущее.

Пока экономия – главный стимул для внедрения автоматизированных решений. IT-инструменты позволяют быстро получать информацию о тратах и контролировать нецелесообразные расходы. Вместе с тем 88% директоров по закупкам упоминают параллельные цели: например, исключение рисков использования рабского труда поставщиками или прослеживаемость всей цепочки поставок через субподрядчиков.

Обратите внимание

По словам директора по цифровым технологиям для решений SAP Ariba Марселя Воллмера, компании, лидирующие по объемам закупок, определяют автоматизацию процесса в качестве приоритета: это позволяет сэкономить на транзакционных издержках и найти лучшие ценовые предложения поставщиков. Однако лидеры рынка больше не смотрят на закупочную историю только с точки зрения сокращения затрат: закупки могут и должны создавать стоимость. Специалисты по закупкам – единственные, кто владеет информацией от всех подразделений от поставок сырья до выпуска готовой продукции, которые связывают различные бизнес-процессы в систему. Это – основа для стратегических действий. Например, умная система может предложить распечатать нужную запчасть на 3D-принтере по соседству, вместо того чтобы везти ее через всю страну или использовать дроны для доставки деталей в отдаленные районы.

Именно поэтому около 60% респондентов опроса SAP и Университета прикладных наук Вюрцбург-Швайнфюрт планируют инвестировать средства в IT-инструменты для закупок уже в ближайшее время. Вложиться в роботизацию готовы 20% опрошенных; в ИИ – 17%; в машинное обучение и чат-боты – 15% и 9% соответственно.

Один в экосистеме не воин

На пути цифровой трансформации встают низкий уровень аналитической работы в компаниях, недостаточное качество и количество данных, сокращение бюджетов и нехватка кадров, способных работать с новейшими инструментами.

Таким образом, очищая данные и применяя ИИ и предиктивную аналитику, улучшая компетенции сотрудников, компания сможет повысить эффективность закупок.

Автоматизация при этом не должна быть самоцелью: компаниям надо не просто автоматизировать все – надо знать, зачем нужен цифровой инструмент и чего с его помощью бизнес хочет добиться.

Бэрри Паджетт предлагает использовать «коллективную мощь экосистемы». Уже сегодня годовой объем транзакций через сеть Ariba превышает совокупный оборот Alibaba, Amazon и eBay. Подключаясь к системе, заказчики получают доступ к функционирующей бизнес-сети, в которой работает более 2,5 млн компаний.

Это позволяет говорить о возможности формирования покупательских консорциумов в сети, где все готовы отказаться от сотрудничества с теми компаниями, которые (сами или их субподрядчики) используют детский труд или особо жесткие по отношению к окружающей среде способы производства.

В SAP считают, что бизнес должен быть готов заплатить немного больше за то, чтобы стать более этичным и здоровым.

Прозрачность – синоним эффективности

Современные IT-решения позволяют выстраивать модели закупок, сравнивать цены с предложениями других поставщиков в системе и в целом по рынку. В итоге компания может выбрать оптимального поставщика, сбалансировав затраты, риски и показатели устойчивости.

Лучшим помощником в закупках становится искусственный интеллект. Сегодня можно объединить внутреннюю аналитику компании (какие группы товаров вы покупаете, на что и как тратите бюджет) компании с данными из внешней среды – биржевыми индексами, новостями, прогнозом погоды или сообщениями из соцсетей.

Блокчейн, по ее мнению, выглядит самым интересным инструментом с точки зрения закупок, так как позволяет хранить большое количество данных и оперировать ими, проследить провенанс товаров или идентифицировать все участников сети поставок. Но говорить о реальных сроках внедрения технологии распределенных реестров в продукты SAP для закупок Шивани Говил не стала.

Цифровой бег с барьерами

Участники форума признали, что у компаний есть реальная потребность в решениях для согласования заявок на закупки. Обычно закупке предшествует длительная переписка по электронной почте с несколькими адресатами, а иногда и устные переговоры.

Процесс – долгий и непрозрачный. Руководство компании зачастую не понимает, сколько денег тратит компания, так как у каждого подразделения есть самописные порталы для согласования закупок, и сводить данные из разных систем практически невозможно.

Однако для многих компаний «сделать закупки умными» легко сказать, но сложно реализовать. Это требует технической продвинутости топ-менеджмента, настроя на инновации у собственников.

Важно

Мало знать все о своем поставщике – надо иметь возможность отказаться от его услуг, если они не укладываются в понятие sustainability, несмотря на финансовые аспекты.

Должно быть иное обоснование эффективности сотрудничества с инновационными и этическими партнерами.

В России цифровизацию закупок ускоряют регуляторные требования.

Однако, считает Андрей Шарак, у российских компаний есть ряд барьеров.

Во-первых, это недостаточная осведомленность бизнеса о безопасности облачных технологий, во-вторых, внутреннее противостояние в компаниях, когда конкретному менеджеру удобно работать со своими проверенными поставщиками и сложно перейти на новые правила.

И, в-третьих, многие компании пока не задумываются о том, что, инвестировав в развитие закупок, они могут получить значительный доход, зачастую превосходящий обычные методы – например, рост продаж.

Наиболее активны во внедрении автоматизированных закупочных систем, по оценке заместителя генерального директора SAP CIS, компании из промышленной и ритейл-индустрии, такие как «Уралхим» и «Мегаполис».

Источник: http://zdirector.ru/biznes-na-puti-k-smart-zakupkam-v-kotoryh-bolshuyu-rol-budut-igrat-iskusstvennyj-intellekt-i-blokchejn/

За искусственным интеллектом в закупках будущее

Что будет в ближайшее время определять развитие российского рынка закупок? Есть несколько основных трендов, среди них для России можно выделить автоматизацию и импортозамещение. Можно говорить о последовательном снижении влияния западных поставщиков на фоне укрепления отечественных разработок.

За 2016 год удалось потеснить в этой нише основного мирового производителя комплексных решений управления предприятиями, компанию SAP.

По данным рынка на начало 2016 и 2017 года, соответственно*: 2016: SAP – 55%; E1 Закупки – 21%; 1С – 12%; Другое – 12% 2017: SAP – 46%; E1 Закупки – 31%; 1C – 11%; Другое – 12%

*Данные справедливы при совокупном объеме российского рынка систем управления закупками на уровне 30 млрд. рублей на конец 2016 года, Cognitive Technologies.

Что касается автоматизации: управление лотами, а не позициями означает отсутствие контроля над закупками. На текущий момент можно говорить о недостаточной автоматизации нормативных схем, связанных с осуществлением закупочной деятельности.

Совет

Собственно определение поставщика в закупке это — 1/6 в формировании цепочки стоимости, поэтому не удается добиться желаемой прозрачности, даже с учетом автоматизации процесса торгов остальная часть цепочки пока остаётся «на бумаге».

Автоматизация здесь подразумевает внедрение локальных решений, и мы способны это делать, потому что не идём на поводу у навязываемых западными коллегами решений, но выращиваем «топовых» отечественных игроков.

Есть решения мирового уровня, способные путём эволюционного развития и масштабирования покрыть потребности глобального рынка.

Где сейчас находится Россия в на мировом рынке закупок?

Глобально я бы выделил для России группу, схожую по экономическому и политическому контексту, и назвал бы её ITBVR. Это Индонезия, Турция, Бразилия, Вьетнам и Россия, страны с ослабленным влиянием США и двузначными темпами роста основных показателей.

Предполагаемые лидеры — США и Англия — относятся к английской системе права, поэтому там подобные тренды выделять было бы неуместно. В России же применяется континентальная система права, смещающая основное внимание на этап до торгов. В обозначенной группе положение, безусловно, лидирующее, российские решения задают тон.

Связано это с успешно реализованными структурными проектами последних 5-7 лет. Во-первых, это проникновение интернета в сегменте b2b и госорганов, — покрытие и стоимость интернета в России на уровне ТОП-5 в мировом рейтинге. Во-вторых, разработан государственный стандарт электронной подписи.

Обращаю внимание: это единственный в мире прецедент массового внедрения подобного единого стандарта, где можно говорить о масштабируемости и корректной работе. В отраслевой практике других стран сосуществуют десятки корпоративных стандартов, которые не позволяют обеспечить государственную гарантию юридической значимости сделок.

В России же создано единое пространство доверия, ежегодно заключается более 10 миллионов (!) электронных контрактов. Ничего похожего совершенно точно нет нигде в мире. И, наконец, на законодательном уровне реализовано требование по размещению определенных типов закупок в электронном виде (ФЗ №№ 44 и 223).

Какие инновационные продукты можно выделить на российском рынке, За счёт чего «национальные чемпионы» могут бросить вызов мировым лидерам отрасли?

Обратите внимание

Как и во многих других отраслях, за счёт частичной роботизации. Закупки — рынок, остро нуждающийся в автоматизации. Где-то процесс уже оптимизирован, яркий пример — системы электронных аукционов, здесь можно минимизировать расходы и снизить затраты на организацию закупок благодаря линейности самого процесса.

Поставщик допускается по ряду объективных критериев, выигрывает предложивший наименьшую цену, прозрачность на каждом этапе удовлетворительная. Конкурсная модель, в отличие от аукционной, слабо защищена от рисков, связанных с деятельностью закупочной комиссии.

Речь идёт о принятии решений по закупкам на основании субъективных преференций, подобная структура провоцирует реализацию коррупционных схем. Нейронные сети могут решить большую часть проблемы.

Глубокое машинное обучение на основе нейронных сетей позволяет достигать впечатляющих показателей прогностической надежности, при этом не возникает проблем с обработкой, калибровкой и изменением больших массивов разнородных данных.

В процессе обучения нейросеть повышает точность обработки пропорционально росту объема усвоенной информации, и создаёт собственные логические конструкции, основанные на выявлении и анализе неочевидных зависимостей, что позволяет более эффективно решать поставленные задачи.

Что конкретно искусственный интеллект может предложить рынку закупок?

Глубокое машинное обучение при работе с закупками позволяет делегировать ИИ комплекс задач, значительно повышающих прозрачность и предсказуемость взаимодействия заказчика и поставщиков. Нужно помнить, что торговая площадка – высоконагруженная система с максимальной системой критичности.

В отличие от общепринятой практики, где тендер является только началом диалога, в России созданы условия для миграции процесса согласования и заключения контрактов полностью в онлайн. Это широкий фронт работ для искусственного интеллекта.

Структурированные и неструктурированные данные о поставщиках суммируются и загружаются в интерфейс самообучающегося алгоритма, который на основании полученных данных выдаёт прогностическую и стратегическую информацию, например, вероятность успешного выполнения контракта и альтернативные варианты работы с другими поставщиками.

Важно

Большим преимуществом deep learning является анализ, учитывающий разные группы факторов (геополитические, временные, финансовые, и т.п.). Чем больше данных, тем точнее будет итоговый прогноз. Нейронная сеть универсальна и беспристрастна, её можно обучить должным образом оценивать лоты; искусственный интеллект невозможно подкупить или ввести в заблуждение.

Резюмируя, как-либо повлиять на работу правильно настроенной, откалиброванной и «законодательно одобренной» нейросети очень сложно. Существуют категории закупок, неохотно поддающихся роботизации, например, сложно найти объективные условия оценки комплексных услуг.

Читайте также:  Управление роботом силой мысли, ученые работают над технологией

Однако, можно автоматизировать целый спектр закупок, от простых – воды, канцелярских принадлежностей, ГСМ, — до более сложных, решение по которым принимается по итогам мульти-факторной оценки и ранжирования критериев лота. Комиссия при этом подписывает протокол, но непосредственно процессом отбора занимается робот.

Что препятствует развитию подобных технологических решений?

Например, законодательное регулирование. Мы отстаем всего на полгода, но в условиях опережающего технологического развития отставание достаточно серьезное.

Хотелось бы отметить инициативу Вячеслава Володина по созданию Совета по законодательному обеспечению развития цифровой экономики, который займется законопроектами, регулирующими взаимоотношения робота и человека. Это только начало пути, но очень правильное.

Правовой вакуум мешает коммерческому освоению cutting-edge технологий в отраслях, связанных с искусственным интеллектом, ведь он может принимать часть решений самостоятельно. Алгоритмы AI должны быть сертифицированы. Никто не доверит искусственному интеллекту серьезные задачи, пока не будет установлена и законодательно закреплена его полная объективность.

Нейронные сети в закупках имеют потенциал в течение 3-5 лет превзойти человека в эффективности и прозрачности принимаемых решений, необходима активная поддержка со стороны государства, способствующая быстрому внедрению и адаптации новых технологий.

** «Ведомости» 04.10.16. «Российский рынок закупок в 2016 году

Источник: http://presscentr.rbc.ru/chernogorov

Искусственный интеллект разберется с закупками

Для нужд каждого топ-менеджера сегодня создана компания-«единорог», помогающая ему в работе и предлагающая соответствующий набор инструментов.

Запросы директора по финансам выполняет Intuit, директора по маркетингу – Marketo и Tableau, директора по продажам – SalesForce.

Директору по закупкам полагается аж четыре «единорога»: отрасль оказалась настолько перспективной, что позволила достичь миллиардной капитализации сразу нескольким компаниям. При этом еще недавно тема оставалась в тени и совершенно не интересовала ни разработчиков, ни рынок.

Как искусственный интеллект и блокчейн меняют сферу закупок, и смогут ли российские компании вывести на международный рынок свои решения в этой области? «Инвест-Форсайт» беседует с председателем правления «Ассоциации директоров по закупкам», гендиректором компании Cognitive Technologies Андреем Черногоровым.

– Андрей Александрович, действительно ли тема закупок такая «горячая»?

– В России закупками занимается свыше 2 миллионов человек. В системе размещения государственного заказа зарегистрировано 320 тысяч организаций заказчиков, в каждой из которых работает от 10 до 100 человек. Ежедневно они занимаются тем, что вручную заводят данные в электронные системы, а потом запускают повторяющиеся процессы.

Совет

Нередки случаи, когда затраты на проведение закупок превышают достигнутую ими экономию. То есть предел человеческой эффективности уже достигнут. Ситуацию спасет только применение инструментов автоматизации.

Подбор подрядчиков, нормализация справочников, анализ перформанса поставщиков, формирование цепочек взаимосвязей – все это может быть автоматизировано.

– То есть 2 миллиона человек можно сокращать?

– Много трудовых ресурсов можно высвободить и перепрофилировать. Конечно, есть эксклюзивные закупочные проекты, например, заказ Крымского моста, которые требуют вмешательства грамотных специалистов. Но при закупке «канцелярки» или воды не нужна никакая эквилибристика, с этим вполне справится искусственный интеллект.

Ситуация, когда кто-то в компании кричит: «Аааа! Срочно бежим что-то покупать», – станет нонсенсом. Машинное обучение и предиктивная аналитика так выстроят систему снабжения, что накроют всю цепочку создания стоимости для предприятия – от момента формирования потребности до момента ее закрытия.

Важно, чтобы весь цикл был выполнен без разрывов, иначе это создает целый веер рисков. Неприятные последствия разрыва цепочки мы можем видеть на примере системы госзаказа России, в которой прозрачной стала только процедура торгов, а все, что ей предшествует, осталось в тени, и это порождает коррупционные риски.

В компании автоматизировать всю цепочку было бы проще, чем на государственном уровне, но пока нет удобных и доступных по цене инструментов.

– Стоит ли ожидать, что закупки вскормят новых «единорогов»?

– Через систему закупок проходит примерно от 30 до 60% оборота всей компании. Оптимизация закупок сразу дает видимый результат, что гарантирует спрос в сегменте b2b. Надо сказать, в последнее время мы видим так называемый CPO-rising тренд, то есть возвышение роли закупок в принципе.

Еще несколько лет назад считалось, что закупки – это что-то интимное, «черное», неправильное, политизированное, коррумпированное… За три года мы создали комьюнити вокруг Ассоциации директоров по закупкам и смогли из этого сделать вполне прозрачную и даже гламурную историю.

Когда вы приходите на бизнес-тусовку, вы рассказываете уже не про то, какую классную CRM вы внедрили, а показываете, какая у вас торговая площадка, как устроен процесс закупок, как вы своих поставщиков проверяете. Это уже элемент комильфо в бизнесе – иметь хорошо организованные закупки.

Что справедливо, закупщики в компании встали всего на одну ступень ниже гендиректора и, соответственно, потребовали для себя удобных IT-решений. Вот здесь и открылось большое поле деятельности ИТ-разработчиков.

Обратите внимание

Большие игроки, типа SAP, попытались его заполнить, заявив: «Мы умеем делать все, в том числе закупочные решения». Но они вышли слишком дорогими и неповоротливыми.

Художник: Юрий Аратовский

– Тогда на рынок и решилась выйти Cognitive Technologies?

– В этой сфере у нас были преимущества именно как у компании с российским R’n’D. Мы с 2006 года занимаемся электронными торгами в России. Например, в 2009 году создали первую в стране площадку для государственных электронных аукционов – «Единую электронную торговую площадку».

С тех пор Cognitive Technologies стали национальным чемпионом в части производства электронных площадок. Под нашим брендом проводят электронные торги 8 из 10 крупнейших госкомпаний: «Роснефть», «Газпром», «Росатом», «Автодор», «Россети», «ВТБ», «ВЭБ».

Совокупный оборот закупок, который проходит через наши решения, сейчас превышает 10 трлн рублей в год. Эти кейсы классные, успешные, прибыльные: EBITDA Margin у крупнейшей площадки – 80%. Но они очень локальные, а мы сейчас хотим большего – выйти на международный рынок.

В это направление мы довольно активно инвестировали последние четыре года и сейчас находимся на старте экспансии, для чего месяц назад открыли R’n’D офис в Калининграде.

Почему Калининград?

– Поскольку мы довольно хорошо научились работать с удаленными командами, стали искать разработчиков не в привычных локациях: всех классных ребят в Москве, Подмосковье, Чебоксарах и Казани мы уже «подобрали». Неожиданно целую команду обнаружили в Калининграде.

Большинство из них прежде фрилансили на Европу и были счастливы наконец-то найти себя в продуктовой компании и начать работать на международный продукт, а не заниматься, например, рисованием каких-то кнопок в очередной игре.

В России, в целом, очень печальная ситуация с кадрами в сфере IT: рынок перегрет, опытные разработчики запрашивают уже чуть ли не больше, чем их коллеги в Силиконовой долине (около $5-10 тысяч в месяц), система образования не готовит специалистов, удовлетворяющих потребностям бизнеса.

– Калининград подразумевает «окно в Европу» – вы там видите свой основной рынок?

– Несмотря на то что Калининград географически близок к Европе, мы смотрим не на Запад. Анализ национальных рынков по объемам, структуре и темпам роста выявил самые релевантные российскому рынку, а значит – нашему продукту. Это Турция, Вьетнам, Индонезия и Бразилия.

Во всех этих странах велика доля госсектора в экономике, крупный бизнес серьезно доминирует над малым и средним. Кроме того, четыре государства объединяют двузначные темпы роста населения и правовое регулирование сферы закупок – возможность проведения электронных торгов.

Еще, наверное, политический фактор стоит учитывать?

– Да, на тех рынках, где США во многом определяет политику и экономику, продается только SAP, и другим вход заказан. Лезть в Австралию, Великобританию, Германию или арабские страны совершенно бесполезно: с точки зрения IT эти страны – полностью сателлиты крупных американских компаний.

Там просто не будут использовать альтернативные решения. А в Турции, Вьетнаме, Индонезии и Бразилии заинтересованы в, скажем так, альтернативных инструментах. Кроме того, в этих странах очень слабый внутренний IT-рынок.

Наши российские компании вполне здорово выходят в мировой топ по ряду продуктов.

– Какие еще закупочные решения есть сейчас на рынке?

– Я уже упомянул SAP, которая, даже несмотря на то, что корпорация купила стартап Ariba, скорее old school. Завтрашний день – это решения компаний Coupa, Zycus, SciQuest. Они – те самые «единороги». Мы ориентируемся в большей степени на них, конечно, в своих решениях. Очень хорошим решением сейчас является Scout RFP. Мы внимательно смотрим на их динамику. Но и привносим свое.

– Например?

– Сейчас мы добавляем в платформу функционал блокчейна. Надо сказать, использование блокчейн-протокола в сфере закупок – это логично, потому что, по сути дела, в итоге совершения сделки рождается блок, а совокупность совершенных сделок – это блокчейн. Наш прототип на Ethereum сработал хорошо.

Важно

По сути, мы первыми реализовали то, о чем рынок говорит уже давно, – дали партнерам возможность создавать свой блокчейн. Вопрос уровня его использования может быть любой: в корпорации, в регионе, на госуровне, что мы тоже будем предлагать. Блокчейн позволяет вам визуализировать полную цепочку создания стоимости и управлять ею.

Сейчас вся система размещения заказа видит только на один уровень вниз. Когда вы покупаете, условно говоря, велосипед, то видите уже конечного сборщика этого велосипеда. А он, в свою очередь, купил раму, тормоза, колеса; а они, в свою очередь, купили резину, спицы, шестеренки; а те, в свою очередь, купили металл.

Вы этого всего не видите и никогда в жизни не увидите, если не блокчейн.

– Этот тренд ближайших 5-10 лет?

– Да. Это первый шаг к новой экономической формации, которая будет децентрализованой. Хотя давать временные прогнозы сложно: человеку свойственно ошибаться – и всегда в сторону занижения. Возможно, смена формаций произойдет гораздо быстрее.

Беседовала Анна Орешкина

Источник: https://www.if24.ru/iskusstvennyj-intellekt-v-zakupkah/

Искусственный интеллект в закупках: новый уровень качества данных

29.11.18

Несколько лет назад администрация штата Юта столкнулась с серьезной проблемой: строительные проекты поглощали бюджетные средства, будто бездонная бочка, при этом тратились резервные фонды, и не только. И очевидных тому причин, казалось, не было.

Автор: Саймон Смит, Forbes

Перевод: Кристина Мелюк, B2B-Center

Правительство штата прибегло к услугам эксперта Ричарда Байфилда, назначив его новым директором департамента строительства. Он изучил проблему и пришел к выводу, что корнем ее является субъективность и предвзятость при выборе подрядчика. Байфилд предположил, что искусственный интеллект может быть более беспристрастным «закупщиком». Итак, был запущен пробный проект.

Результаты его оказались ошеломляющими: благодаря использованию искусственного интеллекта он был признан одним из самых успешных строительных проектов в истории штата. Проект завершился в установленные сроки, не вышел за рамки бюджета и при его реализации не возникло необходимости внесения каких-либо изменений.

Самое удивительное в этой истории, опубликованной в Journal of Construction Engineering and Management, не то, что искусственный интеллект помог разрешить бизнес-проблему: сегодня мы воспринимаем это как должное. Самое удивительное ― то, что эта история имела место в 2002 году, а также то, что вы найдете совсем не много аналогичных или более свежих примеров использования искусственного интеллекта в закупках.

Возникает вопрос ― почему? Машинное обучение как нельзя лучше подходит для применения в закупках. В ходе закупочной деятельности генерируется огромное количество данных, которые могут быть очень полезными и информативными. А это – прямая дорога к высокой окупаемости инвестиций.

Читайте также:  После обучения нейросеть будет самостоятельно добавлять отсутствующие изображения

Однако на сегодняшний день директора по закупкам отдают приоритет аналитике базовых параметров, а не искусственному интеллекту.

Задачи, связанные с качеством, интеграцией и доступностью данных затмевают собой более продвинутое машинное обучение.

Аналитика может помочь выявить только очевидные и простые способы экономии, а вот более «высоко висящие плоды», например, фактор предвзятости, в таком случае останутся без внимания.

Совет

Однако, надежда есть, ведь ИИ позволяет не только выудить неочевидные аналитические заключения из имеющихся надежных и полноценных данных. Он также может помочь изначально получать более глубокие, информативные данные.

«Практически не наблюдается»

Каждый год Deloitte проводит исследование, посвященное изучению деятельности директоров по закупкам по всему миру (Global Chief Procurement Officer). В прошлом году выводы относительно использования искусственного интеллекта в закупках были однозначными: “Применения прогнозной и когнитивной аналитики практически не наблюдается,” – отмечалось в докладе.

И дело не в том, что руководители по закупкам – луддиты. Дело в том, что они делают акцент на аналитику базовых стандартных параметров. 65% опрошенных в ходе исследования Deloitte заявили, что аналитика является технологический областью, которая будет иметь наибольшее влияние в ближайшие пару лет. Лишь 20% отметили то же о «зарождающейся технологии» искусственного интеллекта.

Эти результаты практически повторяют результаты аналогичного исследования, проведенного SAP Ariba и Университетом прикладных наук Вюрцбург-Швайнфурт. В результате данного исследования выяснилось, что главным приоритетом для руководителей в сфере закупок являются большие данные и аналитика (72%), тогда как ИИ и когнитивным вычислениям было отведено всего 22%.

Неужели директора по закупкам считают, что роль искусственного интеллекта сильно преувеличена? Отнюдь: по данным Deloitte 88% опрошенных верят, что автоматизация и роботизация окажут влияние на закупки в ближайшие пять лет.

Однако, прежде, чем бегать, нужно научиться ходить. Сложно ставить на первое место искусственный интеллект, когда самые простые отчеты содержат ненадежные данные.

Устранение барьеров, связанных с данными

На самом деле, в ходе исследования Deloitte выяснилось, что недостаточно высокое качество данных – наиболее серьезное препятствие для использования цифровых технологий в закупках, такого мнения придерживаются 49% опрошенных. Проблема интеграции данных также весьма актуальна по мнению 42% участников исследования. И, наконец, доступность данных (или ее недостаток) вызывает затруднения у 19% респондентов.

Если ваши данные недостаточно надежны, если они фрагментарны и неполны, решение этой проблемы будет вашей первостепенной задачей. Аналитика – это второй по значимости приоритет. Где-то в конце списка приоритетов – ввод аналитических данных в компьютеры с целью получения новых аналитических сведений.

Обратите внимание

Но то, что часто упускают из внимания – так это то, что искусственный интеллект способен помочь с реализацией приоритета номер один. Он не только использует данные, но также может помочь улучить их качество.

Например, компании, такие как Coupa и Orpheus могут повысить качество данных и усовершенствовать их интеграцию. Они используют искусственный интеллект для очистки, комбинирования и классификации данных о расходах. Благодаря этому данные становятся более надежными и значимыми, они исключительно релевантны и несут в себе уникальную аналитическую информацию.

Источник: https://umestentorg.com/point-of-view/iskusstvennyj-intellekt-v-zakupkax/

Искусственный интеллект в промышленности. Используй будущее уже сегодня!

Ирония так называемых больших данных заключается в том, что их легче получить, чем использовать. Любая автоматизация учета, даже частичная, создает точки для ввода и накопления различной информации. Постепенно базы данных разрастаются, дополняются различными таблицами, файловыми архивами, тоннами почтовой переписки, отчетами и многочисленными бухгалтерскими документами.

Руководитель отдела бизнес-решений и предиктивной аналитики

Почему большие данные трудно использовать?

Маркетинговые сведения, статистика производства, продаж, финансы, кадровые вопросы – по всем существенным аспектам работы ведется учет, копятся данные. Руководство компании должно иметь доступ к детальному анализу всех процессов на предприятии. Должно. Но обычно этого не происходит.

Главная системная проблема с большими данными – несогласованность. Информация может быть очень разнородной, многоуровневой и разноплановой. Вот именно в этот момент помощь и мощь искусственного интеллекта (ИИ) становится просто незаменимой.

К «традиционными» темам и направлениям применения искусственного интеллекта на предприятии относятся: статистическое управление процессами; анализ видов и последствий потенциальных отказов; анализ измерительных систем; управление ценообразованием и товарными запасами; производительное обслуживание оборудования (ТОиР – техническое обслуживание и ремонт).

Требования, предъявляемые к заказчикам

Заказчиком систем ИИ может быть любая компания, отвечающая следующим требованиям: наличие на предприятии инструментов/приборов/устройств, позволяющих обеспечивать автоматический сбор данных о работе оборудования или технологических процессах (инфраструктурная часть); наличие MES, ERP, АСУТП 1, АСУТП 2 (SCADA) или других систем учета и консолидации данных о работе оборудования или технологических процессах (источники данных); минимальная история данных о работе оборудования или технологических процессах не менее 1 года, желательная история – от 3 лет (ретро-данные); также важно, чтобы руководители осознавали необходимость нового подхода в работе с информацией и системам управления в целом.

Цели и задачи Softline как интегратора

Задача Softline как интегратора – тиражировать лучшие знания и алгоритмы в области создания систем машинного обучения, делая их каждый раз «умнее».

Для каждого клиента мы тестируем созданные алгоритмы на различных платформах, подбирая в каждом конкретном случае наиболее подходящее решение.

Наша цель – подобрать для компании-клиента решение, которое наилучшим образом решит его задачи и легко интегрируется в технологические процессы.

Продуктовый портфель Softline располагает рядом решений и платформ по ИИ и предиктивной аналитике: Microsoft, Deductor, Prognoz и др.

Примеры применения платформ с ИИ на практике

Оптимизация производства

  • Цель: удовлетворение потребностей и ожиданий заинтересованных сторон по качеству, срокам, объемам производства и поставок, плановой стоимости продукции.
  • Используемые технологии: сбор и анализ статистических данных о производственной системе: уровень стандартизации и соблюдения стандартов; оценка четырех факторов производства: оборудование, методы производства, человеческий фактор, материально-техническое снабжение и качество входящих материалов и сырья; статистическое управление процессами (SPC, Statistical Process Control); управление затратами на уровне единицы продукции/рабочего места.
  • Особенности: используются большие данные со всех учетных систем предприятия, из ERP, MES и других систем, в которых ведется управленческий учет, собирается информация о стоимости продукции, вопросах качества, производительности и т.п. Планирование качества и стоимости продукции очень тесно связаны, и именно статистическое управление процессами позволяет повысить надежность производства и таким образом получать гарантированный результат. Например, это может быть расчет объема производимой продукции с использованием принципа «точно вовремя». Происходит контроль всех производственных цепочек, вопросы качества продукции отслеживаются по двум группам: стоимость обеспечения соответствия и стоимость устранения несоответствий. В результате предприятие сможет рассчитать полную себестоимость каждой партии и даже единицы продукции.
  • Результат: снижение себестоимости продукции на 20-30% за счет устранения потерь в производстве и более эффективное управление качеством.

Статистическое управление процессами (наиболее известный инструмент – карты Шухарта)

  • Цель: обеспечение и поддержание характеристик технологических процессов на стабильном уровне, соответствие составных частей (продукции) установленным требованиям.
  • Используемые технологии: сбор и анализ статистических данных о производственной системе, интеграция систем и подходов в единую информационную систему предприятия.
  • Особенности: выстраиваемая цифровая модель предприятия в различных ситуациях может меняться, она гибко управляема. Методики статистического управления процессами соответствуют стандартам и ГОСТам. С точки зрения практической реализации в России этот подход пока только набирает популярность; а вот крупные зарубежные предприятия данные технологии используют уже более 65 лет.
  • Результат: комплекс решений, который позволяет эффективно управлять процессами предприятия, отслеживать каждое отклонение, и как следствие, управлять ими, совершенствуя процессы в рамках существующих ограничений.

Производительное обслуживание оборудования (ТОиР – техническое обслуживание и ремонт)

  • Цель: повышение эффективности использования оборудования за счет предупреждения и устранения потерь на протяжении всего жизненного цикла.
  • Используемые технологии: сбор и анализ статистических данных о работоспособности оборудования (износ, режимы эксплуатации). Построение цифровой модели единицы оборудования. Прогнозирования возможных отказов и периода наработки на отказ.
  • Особенности: Softline предлагает методологию, в рамках которой можно рассчитать коэффициент общей эффективности использования оборудования (OEE, Overall Equipment Efficiency). На большинстве предприятий он составляет около 50% (показатель для ЧПУ; для универсального оборудования еще меньше) – это колоссальный уровень потерь, который происходит за счет неэффективного использования оборудования, его обслуживания и ремонта.
  • Результат: рост производительности до 2 раз, сокращение затрат на ремонт и обеспечение запчастями (в среднем на 30%).

Кейс №1

Задача: По заказу крупного российского кабельного завода Softline создала нейронную сеть, которая на основе исторических данных прогнозирует спрос на производимую продукцию и оценивает вероятность ее реального заказа.

Обработка потенциальной сделки на предприятии – процесс весьма трудоемкий и длительный – занимает несколько недель с вовлечением большого количества подразделений.

Процент конвертации запроса в продажу небольшой, поэтому специалистам необходимо как можно раньше понимать, состоится сделка или нет.

Помимо этого, стояла задача построить модель прогноза спроса на продукцию регулярного ассортимента и на объем необходимого сырья по всем категориям для дальнейшей оптимизации производственного цикла и процесса закупки.

Решение: Пилотный проект реализован на базе решений, поддерживающих алгоритмы машинного обучения. Наилучший результат показала нейронная сеть, обученная на подготовленной выборке. Такая система постоянно обучается без участия человека и в будущем способна делать все более точные прогнозы. По сути речь идет об искусственном интеллекте.

Результаты: Итоги реализации «пилота» свидетельствуют, что построенные модели можно применять на предприятии для прогнозирования базового объема продаж, среднесрочных объемов потребления сырья, управления складскими запасами готовой продукции.

Важно

Стала возможна экономия трудозатрат за счет перераспределения усилий менеджеров по продажам на обработку наиболее вероятных заказов и повышения ее качества в 2-3 раза.

В рамках развития проекта будет проработана возможность включения в модель дополнительных влияющих факторов, в том числе из внешних источников. Для использования в прогнозе данных воронки продаж потребуется изучить влияние ограничивающих производственных факторов на конверсию спроса в заказы.

По результатам пилотного проекта были выработаны рекомендации по использованию модели прогнозирования вероятности размещения заказа в связке с данными воронки продаж для оптимизации процессов планирования продаж.

Кейс №2

Задача: По заказу одной из крупнейших в Европе химических компаний Softline создала нейронную сеть, которая определяет алгоритм стабилизации процесса и рассчитывает экономический эффект от различных входных параметров производственного процесса

Решение: По итогам пилотного проекта создан самообучающийся алгоритм для оценки текущего производственного процесса, который выявил, что в рамках текущего состояния производства процесс статистически не управляется и не оптимально расходует ресурсы предприятия, что влечет за собой прямые финансовые потери. С помощью имитационного моделирования было выявлено, что в результате применения моделирующего алгоритма ежесуточная экономия пара может достигать 122 тонны.

Результаты: Результаты «пилота» свидетельствуют, что построенные модели можно применять на предприятии для решения следующих задач:

1. Повышение качества готовой продукции, анализ видов и последствий потенциальных отказов.

2. Минимизация простоя оборудования, анализ выхода из строя оборудования и плановый ремонт (обеспечить сбор и агрегацию информации о состоянии основных производственных фондов, формировать регламентированную основу по наработке на отказ основных рабочих мест и формировать план по текущему ремонту основных производственных фондов).

3. Устранение человеческого фактора (минимизация ошибок), контроль расходов сырья (осуществить кросс-функциональный сбор информации по всем маршрутам прохождения заказа для калькуляции себестоимости заказа и проведения план-фактного анализа отклонений).

Читайте также:  Machine learning, deep learning. что это? зачем это?

В рамках развития проекта будет также проработана возможность включения в модель дополнительных влияющих факторов, в том числе из внешних источников и совершенствование самообучающегося алгоритма.

Мы будем рады ответить на ваши вопросы!

Обращайтесь к Дмитрию Карбасову, руководителю отдела бизнес-решений и предиктивной аналитики:

Пишите: Dmitriy.Karbasov@softlinegroup.com.

Звоните: +7 (495) 232-00-23, доб. 1449.

Источник: https://softline.ru/about/blog/iskusstvennyiy-intellekt-pomogaet-bolshim-dannyim

Ии подумает над закупками «газпрома»

Дочерняя компания ПАО «Газпром» — ООО «Красноярскгазпром нефтегазпроект» приобрело лицензию на новый продукт ООО «Антирутина», специализирующегося на создании алгоритмов искусственного интеллекта (ИИ) для анализа закупок.

Внедрение решения «Антирутина Корпорация» позволит свести к минимуму риски ошибочного прогноза, повысить прозрачность и управляемость в сфере материальных затрат.  При этом пользователями решения станут специалисты всей группы «Газпром».

«Дочка» «Газпрома» «Красноярскгазпром нефтегазпроект» приобрела лицензию на продукт «Антирутина Корпорация». Как сообщил корреспонденту ComNews генеральный директор «Антирутины» Герман Инденбаум, пользователями стала вся группа «Газпром». Уточняется, что это многопользовательская лицензия. Стоимость контракта в «Антирутине» раскрывать не стали.

В рамках заключенного соглашения «Антирутина» сформировала «Естественный каталог закупок и цен», предназначенный для анализа потребности в материально-технических ресурсах и всех входящих предложений от поставщиков и исторических данных о закупках. Герман Инденбаум подчеркнул, что «Антирутина Корпорация» уже используется в «боевом режиме».

Причем продукт компании внедрен только в «Газпроме». По словам Германа Инденбаума, у «Газпрома», и в целом по России, подобное решение используется впервые.

«Обычно, в корпорациях строился административный каталог объектов закупки, но он быстро устаревает, его очень затратно создавать, обновлять и поддерживать.

Совет

Обработка входящего потока прайс-листов поставщиков проводилась методом текстового поиска — как максимум, что давало неполный и зачастую искаженный или ложный результат», — поделился информацией с корреспондентом ComNews Герман Инденбаум.

«Сфера управления материальными затратами — многомерное пространство — большие объемы разнородной информации об объектах, условиях, ценах, локациях. Превращение всего этого в единый каталог силами специалистов — титанический и непрерывный труд сотен людей.

Мы взяли за основу другой подход: доверили каталогизацию алгоритмам — искусственному интеллекту. В результате мы сократили сроки формирования каталога, в случае наиболее трудоемких категорий, в 12 раз, существенно сократили затраты на его поддержание.

Как отметил заместитель начальника департамента «Газпрома» Александр Мазуров, мы уверены, что такой подход позволит существенно повысить скорость принятия решений при организации закупок».

Как сообщил Герман Инденбаум, системы были интегрированы в результате работы специалистов «Антирутины» и «Газпрома». В связи с этим количество пользователей внутри информационной системы «Газпрома» регулируется им самим.

В «Газпроме» не ответили на запрос корреспондента ComNews.

Как сообщил Герман Инденбаум, «Антирутина Корпорация» будет анализировать информацию об исторических закупках, текущих закупках, прайс-листы поставщиков и другие данные. Кроме того, система выявляет географическое распределение, тренды и потенциальное превышение цен.

Причем использование системы не требует установки новых программ и закупки оборудования. Все расчеты ведутся на серверах компании «Антирутина», а для интерфейса используется обычный интернет-браузер. Конечным пользователем продукта являются специалисты по корпоративным закупкам.

Представитель «Антирутины» убежден, что с внедрением их продукта в инфраструктуру «Газпрома» повысится качество, прозрачность и скорость принятия решений о закупках, в первую очередь неспециализированных товаров. Кроме того, решится проблема каталогизации закупаемой номенклатуры товаров. По его словам, сейчас показатель — выше 70% анализируемых позиций, и этот показатель растет по мере работы.

«Антирутина Корпорация» использует методы data science, data mining, интеллектуального анализа данных и искусственного интеллекта. В разработке приняли участие ведущие ученые кафедр интеллектуальных систем Московского физико-технического института (МФТИ) и математических методов прогнозирования МГУ им. М.В. Ломоносова.

У системного интегратора «Крок» (ЗАО «КРОК инкорпорейтед») также есть похожие продукты, в том числе на базе open source. Например, похожую систему «Крок» использует для мониторинга госзакупок: она может автоматически определить заказчика, необходимый класс решений и департамент либо отдел, которые могут принять участие в конкурсе.

Обратите внимание

Востребованность продуктов для автоматизации закупочного процесса с использованием ИИ растет, считает директор по бизнес-приложениям «Крок» Максим Андреев. Он отметил, что такие продукты позволяют использовать статистику за прошедший период для прогнозирования, в том числе и закупочного процесса.

«С развитием технологий Big Data и появлением Data Lake компании получают дополнительные возможности: «озеро данных» позволяет строить более точные прогнозы за счет не только внутренних, но и внешних структурированных и неструктурированных данных, которые собираются не под конкретную задачу, а до востребования», — подчеркнул специалист «Крок».

По мнению Максима Андреева, большей эффективности можно достичь, используя технологии для автоматизации закупочного процесса в совокупности с анализом специалистов.

«Идеальный сценарий такой: изначально математическая модель просчитывает возможные варианты, а затем аналитик выбирает наиболее подходящий.

Например, чтобы понять, когда закупка будет наиболее выгодна и в каких объемах», — отметил он.

Другой интегратор — Softline применяет разработки таких вендоров, как Microsoft (Machine learning), BaseGroup Labs (Deductor) и Forecast NOW! Об этом сообщил руководитель отдела бизнес-решений и предиктивной аналитики группы компаний Softline Дмитрий Карбасов.

По его словам, данные решения предназначены для автоматизации закупочной деятельности и управления товарными запасами торговых компаний (дистрибуция и ретейл).

В них применяется комплекс передовых технологий и алгоритмов, основанных на нейронных сетях, генетической стабилизации и математическом моделировании.

Он добавил, что каждое решение имеет свою нишу, и в зависимости от задач заказчика Softline формирует конкурентное предложение.

Дмитрий Карбасов убежден, что на текущий момент продуктов, использующих технологии машинного обучения, дающих реальную эффективность и имеющих весь необходимый инструментарий для крупного бизнеса, немного.

«Лидером в массовом сегменте мы считаем продукт Forecast NOW!, данная система внедрена и успешно эксплуатируется в более чем 60 торговых компаниях РФ и СНГ. В числе использующих Forecast NOW! имеются компании уровня топ-100 РФ», — подчеркнул он.

Важно

Дмитрий Карбасов, отвечая на вопрос о востребованности продуктов для автоматизации закупочного процесса с использованием ИИ для крупного бизнеса, отметил, что интерес растет.

Он связал его с общим развитием технологий искусственного интеллекта, в том числе и в автоматизации закупочного процесса и управления товарными запасами торговых компаний топ-уровня, многие из которых тестируют ИИ в данном направлении.

Преимуществом продуктов для автоматизации закупочного процесса с использованием ИИ является снижение влияния человеческого фактора — точность расчетов, возможность обработки и расчета больших массивов данных, которые дают дополнительную прибыль, торговым компаниям топ-уровня. «Другими словами, торговые компании могут грамотно распоряжаться оборотными активами, вложенными в товарные запасы», — пояснил представитель Softline.

Электронная торговая площадка (ЭТП) «Сбербанк-АСТ» представляет заказчикам сервис определения начальной (максимальной) цены той или иной продукции.

По запросу заказчика, сложный поисковый алгоритм, использующий методы, характерные для систем искусственного интеллекта (машинное обучение, семантический анализ и т.д.

), выбирает из огромного массива данных схожие контракты и рассчитывает обоснованную начальную цену продукции.

Как сообщил генеральный директор ЗАО «Сбербанк-АСТ» Николай Андреев, ЭТП продолжает развивать и совершенствовать данный сервис. Идея использования методов ИИ для автоматического формирования каталога также кажется «Сбербанк-АСТ» интересной.

«Возможно, подобные методы могли найти применение в рамках задачи создания Единого каталога товаров, работ и услуг для государственных нужд, формирование которого предусмотрено Федеральным законом о контрактной системе в сфере закупок товаров, работ, услуг для обеспечения государственных и муниципальных нужд», — предположил Николай Андреев.

Электронные торговые площадки также имеют свою позицию по вопросу использования ИИ для анализа закупок.

Генеральный директор Единой электронной торговой площадки (ЕЭТП) Антон Емельянов отметил, что в настоящее время искусственный интеллект уже применяется в системе электронных торгов и закупок.

Совет

По его словам, наибольший прогресс в этой области наблюдается в решении задач по классификации данных.

«Речь идет о выделении торговых процедур различных категорий, о сегментации участников торгов и о выделении некоторых документов, требующих определенных операций по их обработке», — добавил Антон Емельянов.

Антон Емельянов полагает, что перспектива ближайшего времени — это начало применения технологий, которые смогут определять смысл тех или иных документов, объектов и процессов. Это тот уровень технологии, когда искусственный интеллект сможет заменить людей по ряду выполняемых ими операций.

«ЕЭТП также представила новый Сервис малых закупок, отличительная особенность которого заключается в интегрированной системе нормативно-справочной информации, то есть каталога, состоящего из классификатора ОКПД2 и справочника нормализованных позиций. «Новая методика закупочной деятельности, основанная на классификаторе товаров, позволяет сократить время проведения закупки с нескольких дней и даже недель до трех-четырех часов», — подчеркнул  Антон Емельянов.

Как полагает генеральный директор B2B-Center Андрей Бойко, внедрение новых технологий с использованием машинного обучения — один из главных трендов развития отрасли закупок.

«Первый вариант — это предиктивная аналитика на основе машинного обучения.

Мы научили площадку B2B-Center на основе данных об активности поставщиков автоматически подбирать подходящие для конкретной компании закупки.

В результате крупные заказчики без дополнительных усилий получают повышение уровня конкуренции в торгах, а поставщики — значительное снижение затрат времени и ресурсов на поиск подходящих заказов», — отметил он.

Андрей Бойко отметил, что также со стороны крупных корпоративных клиентов есть спрос на автоматизацию управления данными о закупаемых товарах и услугах. Он обратил внимание на то, что традиционно компании ведут учет в справочниках, которые заполняются и модерируются вручную даже в том случае, если они существуют в электронной форме.

Сервис управления нормативно-справочной информацией от B2B-Center, который также работает на основе машинного обучения, был запущен в начале 2016 г. Как уточнил Андрей Бойко, он позволяет перенести все данные в облачное хранилище, автоматически очистить их от ошибок, привести в полное соответствие с корпоративными правилами и проводить на их основе электронные закупки.

Причем это исключает вероятность человеческой ошибки при переносе данных из внутренних систем на электронную торговую площадку. Соответственно, компания может быть уверена, что купит именно то, что запланировано.

Обратите внимание

Кроме того, в облачном справочнике легко хранить информацию о всех прошедших закупках, поставщиках той или иной продукции.

Он позволяет увидеть «под лупой» закупочную деятельность компании во всех возможных аспектах — динамику цен на каждую позицию, закупки дочерних предприятий, региональные особенности и т.д.  

Как сообщил Андрей Бойко, с помощью такого сервиса B2B-Center компании Cordiant и СТАН автоматизировали свои справочники закупаемых услуг. Кроме того, в работе еще несколько проектов в сфере ЖКХ и строительства.

Представитель B2B-Center считает, что в целом внедрение машинного обучения позволяет перейти на новый уровень эффективности закупочной деятельности и корпоративных продаж и исключить влияние человеческого фактора.

«С помощью таких сервисов крупные компании могут обеспечить беспрерывный закупочный процесс в электронном виде — от планирования закупок до учета поступившего товара на складах или объектах. Это позволяет оперативно анализировать все расходы, не хранить лишнюю продукцию на складах и оптимизировать затраты на проведение самих закупок», — уверен он.

Подобные сервисы делают ЭТП универсальным инструментом для управления закупками или поставками, с помощью которого традиционный процесс можно перенести в облако и избавиться от всей рутинной работы, подытожил Андрей Бойко.  

Источник: https://www.comnews.ru/content/110511/2017-11-16/ii-podumaet-nad-zakupkami-gazproma

Ссылка на основную публикацию