Как узнать по инн данные организации: : , , — Audit-it.ru

Астрал.СКРИН

Оnline-сервис проверки контрагентов на благонадежность и оценки финансового состояния

Как узнать ОКПО по ИНН организации

Опубликовано: 28.10.2015. Рубрика: Бизнес

Не каждый гражданин знает, что ОКПО дословно звучит так – Общероссийский классификатор предприятий и организаций.

Что такое ОКПО

Эта система классификации предпринимателей в Российской Федерации была введена в пользование 1 июля 1994 года. Является основным показателем для многочисленных финансовых организаций. Благодаря ОКПО идентифицировать любого субъекта Российской Федерации независимо от формы собственности очень легко. В основном применяется для:

• Обмена данными между различными финансовыми учреждениями и ведомствами.
• Осуществления идентификации субъектов предпринимательской деятельности на территории Российской Федерации.
• Оперативной и быстрой обработки данных любой организации, занимающейся производством или предпринимательской деятельностью.
• Классификации предприятий по видам производимых товаров, работ и услуг.
• Формирования различных баз данных и статистического учета.
• Обеспечение автоматизированного учета в фискальных органах.

В современном обществе необходимо понимать значение кода ОКПО и извлекать из этой комбинации цифр полезную информацию. Код ОКПО выдается отделом статистики всем зарегистрированным предприятиям и учреждениям любой формы собственности, филиалам компаний и субъектам предпринимательской индивидуальной деятельности – то есть всем, кто так или иначе связан с финансовыми потоками.

Номер ОКПО всегда постоянен и может быть изменен только в случае смены вида деятельности организации. В зависимости от формы собственности ОКПО состоит из комбинации восьми или десяти цифр.

Как можно узнать ОКПО организации

Имея на руках код ОКПО, можно получить доступ к любой официальной информации предприятия. Находится такая информация в федеральных базах данных ЕГРЮЛ, ЕГРИП, ЕГРПО. Узнать ОКПО можно несколькими способами:

• Обратиться в ведомства Росстата. Обычно информацию о субъекте предпринимательской деятельности предоставляют в течение получаса.
• Бухгалтерские документы, кассовые чеки и т.д. В них всегда указан классификатор предприятия.
• Лицензии, сертификаты, различные разрешительные и регистрационные документы организации. Если у вас есть доступ к этим бумагам – узнать код ОКПО не представляется сложным.
• Печать организации. На печати любого предприятия в 99,9% указан код ОКПО.

Имея доступ к некоторым бухгалтерским документам, классификатор предприятия не нужно искать. Вся комбинация цифр перед глазами.

Как можно узнать ОКПО индивидуального предпринимателя

Узнать ОКПО в РОССТАТЕ или налоговой службе – один из самых старых и проверенных методов. Конечно, сделать запрос и ждать несколько дней не всегда удобно, но есть одно преимущество, из-за которого люди не перестают делать такие запросы. В государственном учреждении всегда есть возможность взять бумажный документ, заверенный печатью фискальных органов.

Для получения информации в Росстате необходимо заполнить заявление на запрос о предоставлении необходимой информации. При подаче запроса обязательно нужно представить следующие документы:

При обращении в отделения Федеральной налоговой службы потребуется пакет этих же документов. Неважно, куда из этих двух органов обратиться, процедура предоставления информации схожа. Данные обычно представляются в течение пяти рабочих дней и могут быть забраны лично или получены по почте.

Можно ли бесплатно узнать ОКПО по ИНН

Помимо всех вышеперечисленных методов, есть возможность узнать ОКПО по ИНН. Любой фирме, компании, предприятию или ИП при осуществлении регистрации обязательно присваивается индивидуальный идентификационный номер плательщика налогов. Зная этот номер, можно без проблем в течение нескольких минут узнать код ОКПО.

Мы расскажем Вам про бесплатные и платные методы получения кодов ОКПО.

Чтобы узнать ОКПО бесплатно по ИНН организации, зайдите на официальный сайт Федеральной налоговой службы по адресу www.nalog.ru. По ИНН любого субъекта предпринимательской деятельност вы узнаете адрес предприятия. Затем, сделав запрос в районную государственную администрацию или обратившись туда по телефону, согласно адресу фирмы, получить код ОКПО.

Кроме обращения в налоговые органы посредством интернета, существует большое количество других ресурсов, где можно найти необходимую информацию по ряду предприятий. Один из них – www.okpo.ru.

Необходимые данные можно получать круглосуточно. Консолидированные в одну базу данные из ЕГРЮЛ, ЕГРИП, ЕГРПО дают возможность поиска ОКПО по различным запросам:

• Адрес учреждения.
• ОГРН.
• Полное название организации.
• ИНН.
• Паспортные данные и Ф.И.О. владельца или представителя фирмы.

Следует заметить, что информация с данного ресурса предоставляется платно. После оплаты услуги классификатор быстро и оперативно окажется у клиента.

Узнать код ОКПО можно и на сайте ЕГРЮЛ.com. Услуги этого ресурса являются платными. Возможность осуществления оплаты предоставлена несколькими вариантами:

1. Системы электронных платежей.
2. Через СМС-сообщения.
3. Оплата через Сбербанк РФ любым способом.

Для получения классификатора необходимо указать ОГРН или ИНН. Полученная через ресурс выписка хранится в течение тридцати дней.

www.skrin.ru — еще один сайт, с помощью которого существует возможность узнать ОКПО. Создать запрос достаточно просто. Во всплывающем окне необходимо лишь ввести название интересующего учреждения. После обработки данных на сайте будет представлена расширенная информация о предприятии, среди которой будет и код.

Зачем нужен ОКПО

Для людей, занимающихся предпринимательской деятельностью, ОКПО нужен для оформления финансовых документов, взаимоотношений с партнерами, проведения платежных операций и т.д. Это понятно. Но возникает вопрос – зачем простому обывателю знать классификатор предприятия?

Ответом может послужить обстановка в стране. Заключая договоры, совершая покупки или продажи, всегда существует вероятность попасть на мошенников. Классификатор является одним из обязательных условий при регистрации предприятия. Поэтому, зная ОКПО, можно, не прилагая особых усилий, проверить существование, деятельность и легальность любой организации. Таким образом, обезопасить себя от различных афер и сохранить свои деньги и здоровье.

Как выяснилось, узнать код ОКПО любой организации, учреждения или индивидуального предпринимателя совсем не сложно. Необходимо лишь воспользоваться любым из перечисленных выше методов. Конечно, они отличаются друг от друга, есть платные и бесплатные, имеют свои положительные и отрицательные стороны, но найти необходимую информацию помогут.

Как проверить ИП по ИНН на сайте налоговой бесплатно в 2021 году

В товарно-денежных отношениях, особенно, если они коммерческие, крайне важна должная осмотрительность при выборе контрагента. Иными словами, если вам предлагается заключить договор, и присылаются какие-то реквизиты этого контрагента, то их необходимо проверять перед подписанием этого договора.

Бывают случаи, когда какие-то реквизиты вроде бы и есть, выглядят солидно, ИНН там, счет в банке. А по факту, ИНН может быть просто набором цифр, не несущим никакой смысловой нагрузки. И этот ИНН нужно обязательно проверить, благо сервисов, как платных, так и бесплатных, для этого есть масса. Попробуем на примере ИП.

Сейчас давайте рассмотрим случай с проверкой ИП по ИНН на сайте Налоговой службы.

Когда ИНН ИП известен

Если ИНН потенциального контрагента-ИП вам известен, то проверить его легко. Заходите на сайт ФНС, выбираете вкладку «Индивидуальный предприниматель», и вводите туда известный вам ИНН:

Далее нажимаете «Найти», и — получаете выписку на данного ИП из ЕГРИП. Либо, если ИП не зарегистрировано — вы получите сообщение, что данного ИП не существует (сведения не найдены).

Когда ИНН не известен, есть паспортные данные

Если вам потенциальный контрагент прислал только паспорт, утверждая что он ИП, то вы можете узнать его ИНН через другой сервис на сайте ФНС. Сервис так и называется, «узнай ИНН».

Здесь необходимо заполнить все отмеченные звездочкой (*) поля, и в итоге узнаете искомый ИНН, если он данному лицу выдавался в виде свидетельства. Если сведений не будет — ИНН не выдавался, и скорее всего ИП он не является.

Еще один способ проверить ИП без наличия ИНН — как и в первом случае воспользоваться сервисом «проверка контрагента», только проверять не по ИНН, а по фамилии-имени-отчеству:

Здесь важно указать регион, иначе программа не начнет поиск:

Выходит, что проверить ИП по ИНН не так уж сложно. И при этом — совершенно бесплатно!

5 Статистических данных, показывающих, как организации, управляемые данными, превосходят своих конкурентов

Сегодня 90% корпоративных аналитиков и бизнес-профессионалов говорят, что данные и аналитика являются ключом к инициативам их организации по цифровой трансформации. Однако есть много компаний, которые не хотят нажимать на курок, потому что не уверены в преимуществах управления данными.

В этой статье мы рассмотрим 5 статистических данных, которые показывают, как развитие бизнеса, основанного на данных, может помочь вам превзойти своих конкурентов.Прибыльность, понимание клиентов и бизнес-стратегия — это лишь некоторые из областей, в которых получение правильных данных может быть бесценным.

1. У организаций, управляемых данными, в 23 раза больше шансов привлечь клиентов.

По данным Mckinsey Global Institute, у организаций, управляемых данными, не только в 23 раза больше шансов привлечь клиентов, но и в шесть раз выше вероятность их удержания и в 19 раз больше шансов стать прибыльными! Использование этих данных позволяет предприятиям принимать более обоснованные решения и улучшать качество обслуживания клиентов.Результат? Довольные клиенты, которые возвращаются снова и снова.

Корпус Red Roof Inn

Давайте посмотрим на пример Red Roof Inn. Отели, входящие в эту сеть, расположены недалеко от аэропортов, где в среднем 90 000 пассажиров ежедневно остаются в затруднительном положении из-за погодных условий. В сети выяснили, что процент отмены рейсов составляет 3%. Их команда по маркетингу и аналитике работала с общедоступными данными об отменах рейсов и погодных условиях, чтобы определить возможности для маркетинга и продаж.

Маркетологи Red Roof Inn использовали эти выводы для запуска кампании, нацеленной на мобильные устройства в этом районе в случае плохой погоды. Их товарооборот в результате увеличился на 10%.

2. Компании, использующие большие данные, увеличивают свою прибыль на 8 процентов.

BARC исследовал ряд предприятий и обнаружил, что те, кто использует большие данные, увеличили прибыль на 8% и снизили затраты на 10%. Компании также перечислили другие преимущества, которые возникли в результате перехода к данным мониторинга: 69% указали на более удачные стратегические решения; 54% заявили, что большие данные улучшили их контроль над операционными процессами, а 52% заявили, что в результате они лучше понимают своих клиентов.

Пример Corel Software

Corel Software — прекрасный пример того, как более глубокое понимание клиентов может привести к увеличению доходов на 106%. Основываясь на данных своего веб-сайта и аналитике, они начали оценивать цикл покупки, чтобы узнать, сколько раз в среднем пользователь повторно посещает их страницу, прежде чем совершить окончательную покупку. Они также отслеживали шаги, которые предпринимают эти клиенты перед этим (например, подписка на информационные бюллетени, демонстрационные звонки и т. Д.).

На основе этих данных им удалось сегментировать своих потенциальных клиентов и создать рекламную кампанию с ретаргетингом.Благодаря этому процессу им удалось создать релевантные сообщения для своих покупателей, чтобы убедить их вернуться на веб-страницу и совершить покупку.

3. 62% розничных продавцов сообщают, что использование информации и аналитики создает конкурентное преимущество для их организаций.

62% розничных торговцев (и 63% межотраслевых респондентов) заявили, что анализ информации и данных дает им конкурентное преимущество. IBM определила, что «наиболее эффективные стратегии больших данных сначала определяют бизнес-требования, а затем адаптируют инфраструктуру, источники данных и аналитику для поддержки бизнес-возможностей.«Знание того, как использовать эти данные для улучшения деловой активности, приносит дивиденды по сравнению с конкурентами.

Пример Baublebar

Baublebar развертывает аналитику больших данных, чтобы оставаться в курсе тенденций моды. Их миссия — предлагать модные украшения через электронную торговлю и идти в ногу с концепцией «быстрой моды».

Постоянно отслеживая различные характеристики клиентов (например, демографические данные, интересы и т. Д.), Они могут лучше понять текущую моду и популярные вкусы.Они сравнивают свои собственные данные с текущими тенденциями в социальных сетях, чтобы определить определенные закономерности, которые помогут им сделать следующий шаг.

4. Треть профессионалов отрасли подчеркивают, что правильные технологии сбора и анализа данных необходимы для лучшего понимания клиентов.

Треть профессионалов отрасли считает, что правильные технологии имеют решающее значение для лучшего понимания клиентов, подчеркивая эмпатические преимущества управления данными.Как следствие, 63% маркетологов увеличили свои расходы на маркетинг, основанный на данных, в попытке охватить соответствующую аудиторию с помощью более целевых рекламных акций. Принятие методологии на основе данных для понимания потребностей клиентов имеет решающее значение для принятия обоснованных решений.

The North Face

The North Face постоянно использует данные потребителей, чтобы предоставлять индивидуальный опыт через свое мобильное приложение. Благодаря распознаванию голоса и отслеживанию покупок они создают рекомендации, которые действительно интересны пользователю.При первой загрузке приложения вам будет предложен ряд вопросов, которые помогут программе лучше понять вас и соответствующим образом скорректировать предложения.

5. Бизнесы, ориентированные на инсайты, ежегодно растут в среднем на 30%; к 2021 году они, по прогнозам, будут получать 1,8 триллиона долларов ежегодно у своих менее информированных отраслевых конкурентов.

Пятое понимание суммирует эффекты вышеупомянутой статистики. Бизнесы, ориентированные на данные и, следовательно, на аналитические данные, неизменно превосходят своих конкурентов.Отслеживая взаимодействие с потребителями и получая глубокое понимание их поведения, компании могут улучшить качество обслуживания клиентов и общее удовлетворение. Таким образом, это влияет на пожизненную ценность и повышает лояльность к бренду.

Случай со Slevomat

Дисконтный портал Slevomat существует уже почти десять лет. Понимание своих клиентов и размещение предложений для нужных людей в нужное время — вот что способствует их росту. Slevomat никогда не был новичком в принятии решений на основе данных.Однако раньше они полагались на внутреннюю систему отчетности данных с файлами Excel, часто оставляя ИТ-отдел перегруженным, а их данные всегда устаревшими.

Перелом произошел с инновационной платформой данных Keboola. Это позволило Slevomat получить доступ к различным источникам данных в одном месте и всегда работать со свежими, очищенными данными. Самое главное, что Keboola сделала работу с данными простой и эффективной. Решения на основе данных стали возможны во всей компании, что привело к увеличению продаж на 23%.Прочтите всю историю здесь.

Эра, управляемая данными

Рост решений для анализа данных привел нас в эпоху, основанную на данных. Компании обращаются к данным, чтобы ускорить процесс принятия решений и повысить их эффективность. Статистика показывает, что данные помогают компаниям расти и расширяться быстрее, чем когда-либо. Более того, тот факт, что решения для анализа данных становятся все более доступными для нетехнических сотрудников, означает, что барьер для проникновения в суть проблемы разрушается с каждым днем.

Однако аналитика не является универсальным решением.Компания должна иметь четкий пример использования, чтобы пожинать плоды полученных знаний. Предприятиям необходимо оценить потенциальные бизнес-приложения аналитической платформы перед внедрением , так как это даст наилучшие результаты.

Хотите узнать, как ваши коллеги реализуют решения, основанные на данных, за несколько простых шагов? Напишите нам, и мы будем рады поделиться с вами!

‍

Гостиница Между | Рейтинг Charity Navigator

Коэффициент расходов программы

83.34%

Более высокий эффект на оценку

Коэффициент расходов на программу определяется делением расходов на программу на общие расходы (среднее значение из трех последних 990).

Charity Navigator присуждает полный кредит для процентной доли расходов по программе 70% или выше. Благотворительные организации с процентами от 60 до 69,9% получают частичный кредит. Проценты ниже 60% не дают кредита для оценки расходов по программе. Кроме того, благотворительные организации, у которых ниже 50%, получат ноль баллов по обоим своим финансовым показателям, проценту расходов по программе И проценту обязательств к активам.

Источник: Форма IRS 990

Состав совета директоров

15/15 Независимый

Более высокий эффект на оценку

Charity Navigator ищет не менее 3 членов совета директоров, при этом более 50% из них считаются независимыми.

Источник: Форма IRS 990

Независимый аудит или финансовая проверка

Имеет обзор / аудит

Повышенное влияние на оценку

Для организаций, чей общий доход превышает 1 миллион долларов, мы ожидаем, что благотворительная организация завершила аудит.

Этот показатель не является частью оценки для организаций с общим доходом менее 250 тыс. Долларов США и исключен из методологии оценки.

Для благотворительных организаций стоимостью менее 1 миллиона долларов, но с общим доходом более 250 тысяч долларов, мы ожидаем, что благотворительная организация завершит аудит, проверку или компиляцию.

Источник: Форма IRS 990

Отношение обязательств к активам

13,71%

Меньшее влияние на оценку

Отношение обязательств к активам определяется делением общих обязательств на общие активы (последние 990).

Благотворительный навигатор присуждает полный кредит при коэффициенте менее 50%. Организации с коэффициентами от 50% до 59,9% получают частичный кредит.

Источник: Форма IRS 990

Веб-сайт

Включен в список

Низкое влияние на оценку

Charity Navigator ищет веб-сайт на форме 990 в качестве показателя подотчетности и прозрачности.

Некоммерческие организации действуют в обществе, и публичная отчетность о своей деятельности является важным компонентом.

Источник: Форма IRS 990

Политика конфликта интересов

Включена в список

Меньшее влияние на оценку

Charity Navigator проверяет наличие политики конфликта интересов в форме 990 в качестве меры подотчетности и прозрачности.

Эта политика защищает организацию и, соответственно, тех, кого она обслуживает, когда она рассматривает возможность заключения сделки, которая может принести пользу частным интересам должностного лица, директора и / или ключевого сотрудника организации.

Источник: Форма IRS 990

Протокол заседания Совета директоров

Документировано

Пониженное влияние на оценку

Charity Navigator пытается подтвердить в форме 990, что организация использует этот процесс в качестве меры подотчетности и прозрачности.

Официальный отчет о событиях, происходящих во время собрания совета директоров, гарантирует, что современный документ существует для использования в будущем.

Источник: Форма IRS 990

Хранение и уничтожение документов

Включено в список

Пониженное влияние на оценку

Charity Navigator проверяет наличие политики хранения и уничтожения документов в соответствии с формой 990 в качестве меры подотчетности и прозрачности.

Эта политика устанавливает правила обработки, резервного копирования, архивирования и уничтожения документов.Эти руководящие принципы способствуют внедрению надлежащих процедур ведения документации, которые способствуют целостности данных.

Источник: Форма IRS 990

Политика осведомителей

Включена в список

Меньшее влияние на оценку

Charity Navigator проверяет наличие политики осведомителей в соответствии с формой 990 в качестве меры подотчетности и прозрачности.

Эта политика описывает процедуры рассмотрения жалоб сотрудников, а также конфиденциальный способ сообщения сотрудниками о финансовых или других видах бесхозяйственности.

Источник: форма IRS 990

Чтение: управление данными | Введение в бизнес

Управление данными

Вы когда-нибудь задумывались о том, сколько данных генерируете сами? Просто помните, через что вы прошли, чтобы поступить в колледж. Во-первых, вам нужно было заполнить анкеты, в которых спрашивали об успеваемости, оценках в старшей школе, внеклассных мероприятиях и финансах, а также демографические данные о вас и вашей семье. После того, как вы выбрали колледж, вам нужно было предоставить данные о своих предпочтениях в отношении жилья, учебной программе, которой вы хотели бы следовать, и стороне, которая будет нести ответственность за оплату вашего обучения.Когда вы записывались на занятия, вы давали больше данных в ЗАГС. Когда вы прибыли в университетский городок, вы дали еще больше данных, чтобы сфотографировать ваше удостоверение личности, подключить компьютер и телефон, открыть счет в книжном магазине и купить карту оплаты еды на территории кампуса. После того, как вы начали занятия, сбор данных продолжался на ежедневной основе: например, ваша продовольственная карта и учетная запись книжного магазина отслеживали ваши различные покупки, а ваш идентификатор отслеживал ваши приходы и уходы по всему университетскому городку. И ты выставлял оценки.

И все эти данные относятся только к одному аспекту вашей жизни. Вы также генерировали данные каждый раз, когда использовали свою кредитную карту и мобильный телефон. Кто использует все эти данные? Как они собираются, хранятся, анализируются и распространяются в организациях, которые по разным причинам следят за вами?

Данные и базы данных

Чтобы ответить на эти вопросы, вернемся к нашему примеру с Caesars. Как мы видели, Caesars собирает огромное количество данных. Его гостиничная система генерирует данные, когда клиенты бронируют номера, регистрируются, покупают еду и напитки, покупают вещи в магазинах, посещают развлекательные мероприятия и даже отдыхают в спа-салоне.В казино клиенты подают заявки на программы вознаграждений, конвертируют наличные деньги в фишки (а иногда и обратно в наличные), испытывают удачу за столами и игровыми автоматами и получают бесплатные напитки. Затем идут данные, генерируемые деятельностью самой компании: сотрудники, например, генерируют данные о заработной плате и льготах, а розничные операции генерируют данные каждый раз, когда они что-то покупают или продают. Более того, если мы сложим все эти данные, у нас будет лишь небольшая часть суммы, генерируемой игровыми операциями компании.

Как Caesars обрабатывает все эти данные? Прежде всего, он собирает и хранит их в нескольких базах данных — электронных коллекциях связанных данных, к которым могут получить доступ различные члены организации. Думайте о базах данных как о картотеке, в которой могут храниться огромные объемы систематизированной информации, такой как доходы и расходы от деятельности отелей, казино и бронирования мероприятий на каждом из объектов Caesars.

Складские и горнодобывающие данные

Что, если Caesars хочет привлечь клиентов, которые приносят большой доход, с помощью программы, предназначенной для повторных посещений? Как бы он мог идентифицировать этих людей и связаться с ними? Теоретически он может выполнять поиск в соответствующих базах данных — тех, которые содержат контактную информацию о клиентах (например, имя и адрес) и информацию об активности клиентов в отелях, казино и развлекательных заведениях компании.Возможно, это было бы началом, но не очень эффективным. Во-первых, это займет много времени. Кроме того, что, если одни и те же данные не хранились одинаковым образом в каждой базе данных? В этом случае было бы довольно сложно объединить данные осмысленным образом. Для решения этой проблемы менеджеры Caesars будут полагаться на систему, подобную той, которая показана на рисунке 1, «Процесс интеллектуального анализа данных», которая требует перемещения всех соответствующих данных в хранилище данных — централизованную базу данных, в которой хранятся данные из нескольких баз данных. консолидированы и организованы таким образом, чтобы их можно было легко проанализировать.

Рисунок 1. Процесс интеллектуального анализа данных

Интеллектуальный анализ данных

Располагая данными в одном центральном месте, руководство может узнать все, что ему нужно, о конкретной группе клиентов. Он также может использовать данные для ответа на некоторые довольно интересные вопросы. Почему люди приходят в наши казино? Как сделать так, чтобы клиенты возвращались? Как мы можем увеличить количество посещений на одного покупателя? Как мы можем увеличить сумму, которую они тратят на каждое посещение? Какие поощрения (например, бесплатные обеды, номера в отелях или билеты на шоу) нравятся нашим клиентам больше всего? Чтобы найти ответы на эти вопросы, они выполнят метод, называемый интеллектуальным анализом данных — процесс поиска и анализа больших объемов данных для выявления закономерностей и тенденций, которые можно использовать для прогнозирования будущего поведения.

Интеллектуальный анализ данных и поведение клиентов

Путем интеллектуального анализа данных в своем хранилище данных на основе клиентов руководство Caesars может обнаружить ранее неизвестные взаимосвязи между общим поведением своих клиентов и поведением определенной группы клиентов (а именно, наиболее прибыльных). Затем он может разработать стимулы для обращения именно к тем людям, которые принесут компании наибольшую прибыль.

Чтобы лучше понять, как работает интеллектуальный анализ данных, давайте упростим описание процесса в Caesars.Во-первых, нам нужно знать, как казино собирало данные, чтобы провести предварительный анализ. Большинство клиентов, играющих в игровые автоматы, используют карточку игрока Caesars, которая предлагает стимулы в зависимости от суммы денег, которую они ставят на игровые автоматы, видео-покер и настольные игры. Чтобы получить карту, клиент должен предоставить некоторую личную информацию, такую ​​как имя, адрес и номер телефона. С точки зрения Caesars, карта чрезвычайно ценна, потому что она может многое рассказать о поведении пользователя при размещении ставок: фактические выигрыши и проигрыши, продолжительность игры, предпочтительные автоматы и номиналы монет, средняя сумма ставки и, что наиболее важно, скорость с какие монеты кладутся и какие кнопки нажимаются.Первичным источником данных Caesars был внутренний — созданный самой компанией, а не внешний источник — и основывался на маркетинговой базе данных, разработанной для управления взаимоотношениями с клиентами (CRM).

Что казино делает с добытыми данными? Caesars больше всего интересовали «первопроходцы» — первые посетители казино. В частности, он хотел знать, кого из этих клиентов следует соблазнить вернуться. Анализируя данные, собранные из приложений для карточек игроков и реальной игры клиента в казино (даже если не более часа), Caesars может разработать профиль прибыльного клиента.Теперь, когда новичок приходит в любое из его казино и играет какое-то время, Caesars может мгновенно определить, соответствует ли он профилю прибыльных клиентов. Чтобы заманить этих людей обратно для повторных посещений, он делает щедрые предложения бесплатных или льготных номеров, обедов, развлечений или бесплатных фишек (предпочтительный стимул для предпочтительных клиентов Caesars). Эти клиенты составляют 26 процентов всех клиентов Caesars и приносят 82 процента доходов. Удивительно, но это не те богатые хайроллеры, для которых Caesars обслуживала многие годы.Большинство из них — обычные работающие люди или пенсионеры, у которых есть время и доход, и они любят слоты. Обычно они останавливаются в казино по дороге с работы или в выходные дни и не остаются на ночь. Они получают удовольствие от азартных игр, и вы можете узнать их, потому что именно они не могут нажать кнопку или накачать жетоны достаточно быстро.

КЛЮЧЕВЫЕ ВХОДЫ

• Организации собирают и хранят данные в базах данных — электронные коллекции связанных данных, к которым могут получить доступ различные люди в организации.
• Для облегчения анализа данных менеджеры IS могут перемещать данные из различных баз данных в хранилище данных — централизованную базу данных, в которой данные консолидируются и организовываются для эффективного анализа.
• Чтобы найти ответы на огромный круг вопросов, менеджеры применяют метод, называемый интеллектуальным анализом данных — процесс поиска и анализа больших объемов данных для выявления закономерностей и тенденций, которые можно использовать для прогнозирования будущего поведения.

данных — INN Labs

Улучшение визуального оформления на вашем сайте может существенно повлиять на то, как ваши истории воспринимаются и как они распространяются, но мы обнаруживаем, что у многих участников INN нет в штате фотографов или бюджета для инвестирования в сложные новостные приложения и визуализации, основанные на данных. .

Одна из наших целей с Largo, фреймворком WordPress с открытым исходным кодом, который мы разработали для участников INN, состоит в том, чтобы упростить для участников создание веб-сайтов, которые выглядят так же хорошо и работают, а также являются лучшими коммерческими и более крупными некоммерческими организациями. прибыль издателей.

Этим летом мы планируем поработать над упрощением визуального рассказа историй на Ларго, и в рамках этого процесса мы хотели провести обзор инструментов, которые участники уже используют, в надежде, что мы сможем выявить некоторые передовые практики. и разработать инструменты, ресурсы и обучение, чтобы максимально упростить их интеграцию с вашим веб-сайтом.

Наша цель — помочь журналистам использовать данные и другие визуальные элементы для улучшения своих расследований и повествования.

Небольшое примечание: если вы используете Largo и / или заинтересованы в том, чтобы помочь нам выяснить, как улучшить структуру и создать инструменты для поддержки ваших данных и визуального повествования, мы собираем рабочую группу, чтобы помочь нам определить работа, которую нам нужно сделать, чтобы облегчить вашу жизнь. Пожалуйста, напишите нам, если вы хотите помочь нам этим летом, пока мы работаем над этим процессом.

Вот некоторые из найденных нами инструментов, которые могут оказаться частью набора инструментов, который мы рекомендуем нашим членам и другим журналистам.

Для быстрых, основных сюжетов

Оцените Visualizer, плагин WordPress и Datawrapper, инструмент с открытым исходным кодом, который предоставит вам код для встраивания визуализаций в ваши сообщения. Оба инструмента имеют базовые типы визуализаций (круговая диаграмма, гистограмма, диаграмма рассеяния, карта и т. Д.), Которые вы можете создать, импортировав файл CSV или Excel.Оба они также просты в использовании, даже если вы не очень разбираетесь в технологиях, и они включают в себя несколько хороших шаблонов дизайна по умолчанию.

Выберите Visualizer, если вы хотите работать с плагином WordPress или Datawrapper, если вы не против работать со встроенным кодом.

Еще один отличный инструмент для простых диаграмм — ChartBuilder, инструмент с открытым исходным кодом, разработанный Quartz. Этот инструмент позволяет вам создавать простые диаграммы, а затем либо копировать html для диаграммы, либо экспортировать его как изображение для использования в ваших историях.

Для данных ниндзя

Если у вас есть сложные данные или вы хотите продемонстрировать свои данные не с помощью простых графиков и диаграмм, потратьте некоторое время на такие инструменты, как StoryMapJS, TimelineJS, Vis или Kumu, которые уже совместимы с WordPress / Largo, используя встроить код (обычно iframe) в свои истории.

Как следует из их названий, StoryMapJS и TimelineJS помогают создавать карты и временные шкалы, соответственно, для иллюстрации ваших данных в пространстве и времени.Оба были разработаны Knight Lab в Северо-Западном университете, поэтому оба созданы с учетом требований журналистики.

Для данных о сети и отношениях есть Vis и Kumu. Оба инструмента интерактивны, гибки и просты в использовании, а Vis был разработан специально для журналистов.

Для разбирающихся в кодах

Многие из наших членов не имеют собственного разработчика, но для тех членов команды, которые хотят научиться программировать и использовать один из самых популярных инструментов визуализации данных на сегодняшний день, вы можете попробовать d3.js плагин WordPress, Wp-D3.

С помощью D3 вы можете создать любой тип визуализации, который только можете себе представить, а также сделать его интерактивным. Вы также можете попробовать NVD3, в котором также есть плагин для WordPress. Разработчики этого инструмента были вдохновлены D3 на создание повторно используемых визуализаций.

Рекомендации участников

Мы также слышали от некоторых организаций-членов INN о некоторых других инструментах визуализации данных, которые им нравится использовать.

Canva.com — отличный бесплатный способ создания инфографики.Я использовал его, чтобы создать графику в табеле успеваемости. Прошло минут 10. Я играю с ним, чтобы создать индивидуальный шаблон NCHN, когда у меня есть данные, такие как гистограммы или графики (сделайте фон гистограммы прозрачным в Photoshop и поместите его на фон шаблона. (Rose Hoban, North Carolina Health News)

Еще один чрезвычайно простой в использовании для инфографики — http://infogr.am. У них есть много шаблонов на выбор. Это также бесплатно, но чтобы удалить их бренд и прикрепить свой логотип, вам нужно обновить его и заплатить небольшую ежемесячную плату. (Джереми Чапман, Центр журналистских расследований Монтаны)

http://piktochart.com/ обладает большей гибкостью, чем Infogr.am, а профессиональный счет для некоммерческих организаций стоит всего 40 долларов в год. Мне нравится Infogr.am за простую графику; Piktochart для всего остального. (Пэм Демпси, Центр журналистских расследований Среднего Запада)

Фоторесурсы

Также может быть трудно найти фотографии для использования, если у вас нет фотографа в штате или у вас нет бюджета внештатного сотрудника для создания оригинальных фотографий в соответствии с вашими рассказами.Вот несколько фоторесурсов, рекомендованных участникам, если вам нужно найти фотографии, которые можно использовать бесплатно.

Getty Images позволяет встраивать многие свои фотографии. (Джейсон Алкорн, «Расследование на запад») У них есть великолепные фотографии. Это не работает постоянно, но когда это работает, это большая экономия денег. (Дайан Шемо, 100 репортеров)

Еще один хороший источник стоковой фотографии — бесплатные изображения (ранее Stock.xchng), и вы можете искать изображения Creative Commons из различных источников здесь: http: // search.creativecommons. орг /. (Тревор Ааронсон, Флоридский центр журналистских расследований)

Мне нравится использовать изображения правительства США, которые почти никогда не имеют авторских прав или лицензионных требований. Портал, через который я прохожу, находится здесь, он также приведет вас к страницам государственного фотоархива. Там вы найдете ссылки на темы и агентства. (Наоми Шалит, сторожевой пес Pine Tree Watchdog)

В Библиотеке Конгресса есть прекрасная коллекция цифровых изображений, которые вы можете просматривать. Полезно для исторических фотографий или #TBT.Большинство изображений можно использовать бесплатно, но проверьте авторские права, чтобы быть уверенным. (Пэм Демпси, Центр журналистских расследований Среднего Запада)

Многие пользователи Flickr делятся своими фотографиями по лицензии Creative Commons, которая позволяет кому угодно использовать эти фотографии при определенных условиях (необходимо указать, никаких производных работ и только некоммерческое использование — три основных элемента). Используйте расширенный поиск Flickr для поиска только фотографий, лицензированных Creative Commons, а затем просматривайте отдельные фотографии, чтобы проверить любое из этих условий.Никакого предварительного разрешения от фотографов не требуется. (Джейсон Алкорн, Исследовательский Запад)

Flickr также имеет сайт под названием «The Commons», который включает в себя хранилище публичных фотографий со всего мира. (Луис Гомес, ИНН)

Ваши предложения

Мы надеемся, что в приведенном выше списке вы нашли новые инструменты и ресурсы, которые помогут в вашей работе. Сообщите нам, есть ли у вас другие инструменты или ресурсы для визуальной журналистики, которые вы бы порекомендовали другим участникам INN!

Physical Security, from Safeguarding Your Technology, NCES Publication 98-297 (Национальный центр статистики образования)

Решения на основе данных, расширяющие возможности индустрии гостеприимства

Имя

Фамилия

Должность

Электронная почта

Номер телефона

Компания

Тип компании- Выберите -Академия: Образовательные и исследовательские программы для университетов и специалистов Назначение: Город, региональные и государственные организации содействия tourismIndustry Партнеры: Консультанты, инвесторы, девелоперы, поставщики и другие гостеприимство решение providersOperator: Собственный, работать и / или управлять свойствами

Город Страновые Выберите -AfghanistanAlbaniaAlgeriaAmerican SamoaAndorraAngolaAnguillaAntigua / BarbudaArgentinaArmeniaArubaAustraliaAustriaAzerbaijanBahamasBahrainBangladeshBarbadosBelarusBelgiumBelizeBeninBermudaBhutanBoliviaBosnia / HerzegovinaBotswanaBrazilBritish Virgin IslandsBruneiBulgariaBurkina FasoBurundiCambodiaCameroonCanadaCape VerdeCayman ОстроваЦентральноафриканская РеспубликаЧадЧилиКитайКолумбияКоморские ОстроваКоста RicaCote D’IvoireCroatiaCubaCuracaoCyprusCzech RepublicDemocratic Республика CongoDenmarkDjiboutiDominicaDominican RepublicEast TimorEcuadorEgyptEl SalvadorEquatorial GuineaEritreaEstoniaEthiopiaFalkland IslandsFaroe IslandsFijiFinlandFranceFrench GuianaFrench PolynesiaGabonGambiaGeorgiaGermanyGhanaGibraltarGreeceGreenlandGrenadaGuadeloupeGuamGuatemalaGuineaGuinea-BissauGuyanaHaitiHondurasHong Kong SAR ChinaHungaryIcelandIndiaIndonesiaIranIraqIrelandIsraelItalyJamaicaJapanJordanKazakhstanKenyaKiribatiKosovoKuwaitKyrgyzstanLaosLatviaLebanonLesothoLiberiaLibyaLiechtensteinLithuaniaLuxembourgMacau SAR ChinaMacedoniaMadagascarMalawiMalaysiaMaldivesMaliMaltaMarshall IslandsMartiniqueMauritaniaMauritiusMexicoMicronesiaMoldovaMonacoMongoliaMontenegroMontserratMoroccoMozambiqueMyanmarNamibiaNauruNepalNetherlandsNetherlands AntillesNew CaledoniaNew ZealandNicaraguaNigerNigeriaNiueNorth KoreaNorthern Mariana IslandsNorwayOmanPakistanPalauPanamaPapua Новый GuineaParaguayPeruPhilippinesPolandPortug alPuerto RicoQatarRepublic из CongoReunionRomaniaRussiaRwandaSamoaSan MarinoSao Tome / PrincipeSaudi ArabiaSenegalSerbiaSeychellesSierra LeoneSingaporeSlovakiaSloveniaSolomon IslandsSomaliaSouth AfricaSouth KoreaSouth SudanSpainSri LankaSt Киттс / NevisSt LuciaSt Винсент / GrenadinesSudanSurinameSwazilandSwedenSwitzerlandSyriaTaiwan (Китай) TajikistanTanzaniaThailandTogoTongaTrinidad / TobagoTunisiaTurkeyTurkmenistanTurks / Кайкос IslandsTuvaluUS Virgin IslandsUgandaUkraineUnited Арабские EmiratesUnited KingdomUnited StatesUruguayUzbekistanVanuatuVenezuelaVietnamYemenZambiaZimbabwe

Государственно Выберите -AlabamaAlaskaArizonaArkansasCaliforniaColoradoConnecticutDelawareDistrict из ColumbiaFloridaGeorgiaHawaiiIdahoIllinoisIndianaIowaKansasKentuckyLouisianaMaineMarylandMassachusettsMichiganMinnesotaMississippiMissouriMontanaNebraskaNevadaNew HampshireNew JerseyNew MexicoNew ЙоркСеверная КаролинаСеверная ДакотаОхиоОклахомаОрегонПенсильванияРод-АйлендЮжная КаролинаЮжная ДакотаТеннессиТехас Юта, Вермонт, Вирджиния, Вашингтон, Западная Вирджиния, Висконсин, Вайоминг,

Продукт — Нет — Отчет о тенденцияхПрогноз рынкаТрубопровод рынкаПропускная способностьКазино STARКонсультации по конкурентному наборуКорпоративные отчетыdSTARF и B STARForward STARОтчет о размещении хостела (Hostel)S. Отель Прогноз ReviewCompressionDestinationMAPHotel Направление ReportCHIA AcademicCHIA IndustryHIFIA AcademicSTR AcademyAM: PMEvent Impact AnalysisSHARE CenterComparative P & L ReportAdvisory ServicesCustom DashboardCustom ForecastPortfolio P & L ReportProduct Обзор TrainingAccommodation Заполняемость SurveysBusiness Уверенность MonitorsResearch & Insights ConsultingConsumer Удовлетворение SurveysCustomized Business Research SolutionsVisitor Аттракцион Performance MonitoringMarket & Concept TestingCustomized Market Research StudyConsumer Research & Opinion PollingAustralian Монитор размещенияОбучение лучшим практикамКонсалтинг P&LРазработка и сегментация аудиторииПанель путешественниковФокусные группы и качественные решения База данных переписиОбзоры отелейБаза данных событийCAE IndustryCAHTA AcademicU.Ежемесячный обзор прибылей и убытков за 2020 год. Анализ потребительских путешествий: Путешествие путешественника Отчет о школьных каникулах — 2020-2021 гг. Анализ потребительских путешествий: Планирование и мотивация путешествия

3 вещи, которые искусственный интеллект уже может сделать для вашей компании

Вкратце

Проблема

Когнитивные технологии все чаще используются для решения бизнес-задач, но многие из самых амбициозных проектов ИИ терпят неудачи или терпят неудачу.

Подход

Компании должны использовать постепенный, а не трансформирующий подход и сосредоточиться на расширении, а не замене человеческих возможностей.

Процесс

Чтобы получить максимальную отдачу от ИИ, компании должны понимать, какие технологии выполняют какие типы задач, создавать портфель проектов с приоритетами, основанный на потребностях бизнеса, и разрабатывать планы масштабирования в масштабах всей компании.

В 2013 году онкологический центр доктора медицины Андерсона запустил проект «лунный выстрел»: диагностировать и рекомендовать планы лечения определенных форм рака с использованием когнитивной системы IBM Watson.Но в 2017 году проект был приостановлен после того, как затраты превысили 62 миллиона долларов, а система еще не использовалась на пациентах. В то же время ИТ-группа онкологического центра экспериментировала с использованием когнитивных технологий для выполнения гораздо менее амбициозных задач, таких как предоставление рекомендаций по отелям и ресторанам для семей пациентов, определение того, каким пациентам нужна помощь в оплате счетов, и решение ИТ-проблем персонала. Результаты этих проектов были гораздо более обнадеживающими: новые системы способствовали повышению удовлетворенности пациентов, улучшению финансовых показателей и сокращению времени, затрачиваемого на утомительный ввод данных руководителями больницы.Несмотря на неудачу на лунном снимке, доктор медицины Андерсон по-прежнему привержен использованию когнитивных технологий, то есть искусственного интеллекта следующего поколения, для улучшения лечения рака, и в настоящее время разрабатывает множество новых проектов в области когнитивных вычислений.

Контраст между двумя подходами важен для любого, кто планирует инициативы в области ИИ. Наш опрос 250 руководителей, знакомых с использованием когнитивных технологий в своих компаниях, показывает, что три четверти из них считают, что ИИ существенно преобразит их компании в течение трех лет.Однако наше исследование 152 проектов почти в таком же количестве компаний также показывает, что амбициозные лунные снимки с меньшей вероятностью будут успешными, чем проекты «низко висящие фрукты», улучшающие бизнес-процессы. Это не должно вызывать удивления — так было с подавляющим большинством новых технологий, которые компании внедряли в прошлом. Но шумиха вокруг искусственного интеллекта была особенно сильной, и некоторые организации были ею очарованы.

В этой статье мы рассмотрим различные категории используемых ИИ и дадим основу для того, как компании должны начать наращивать свои когнитивные способности в следующие несколько лет для достижения своих бизнес-целей.

Три типа AI

Компаниям полезно смотреть на ИИ через призму бизнес-возможностей, а не технологий. В общих чертах, ИИ может поддерживать три важных бизнес-потребности: автоматизировать бизнес-процессы, получать информацию с помощью анализа данных и взаимодействовать с клиентами и сотрудниками.

Автоматизация технологических процессов.

Из 152 изученных нами проектов наиболее распространенным типом была автоматизация цифровых и физических задач — обычно административной и финансовой деятельности бэк-офиса — с использованием роботизированных технологий автоматизации процессов.RPA является более продвинутым, чем предыдущие инструменты автоматизации бизнес-процессов, потому что «роботы» (то есть код на сервере) действуют как человек, вводящий и потребляющий информацию из нескольких ИТ-систем. Задачи включают:

• перенос данных из систем электронной почты и центра обработки вызовов в системы записи — например, обновление файлов клиентов с изменением адресов или добавлением услуг;
• замена утерянных кредитных или банкоматных карт, подключение к нескольким системам для обновления записей и обработки сообщений с клиентами;
• согласование сбоев в оплате услуг в биллинговых системах путем извлечения информации из нескольких типов документов; и
• «чтение» юридических и договорных документов для извлечения положений с использованием обработки естественного языка.

RPA — это наименее дорогостоящая и простая в реализации когнитивная технология, которую мы обсудим здесь, и, как правило, обеспечивает быструю и высокую окупаемость инвестиций. (Кроме того, он наименее «умный» в том смысле, что эти приложения не запрограммированы на обучение и совершенствование, хотя разработчики постепенно добавляют больше интеллекта и возможностей обучения.) Он особенно хорошо подходит для работы с несколькими серверными системами.

В НАСА из-за ценового давления агентство запустило четыре пилотных проекта RPA по кредиторской и дебиторской задолженности, расходам на ИТ и человеческим ресурсам — все они управляются общим центром обслуживания.Четыре проекта сработали хорошо — например, в приложении для управления персоналом 86% транзакций были выполнены без вмешательства человека — и в настоящее время внедряются в масштабах всей организации. НАСА сейчас внедряет больше роботов RPA, некоторые с более высоким уровнем интеллекта. Как отмечает Джим Уокер, руководитель проекта организации общих служб, «пока это не ракетостроение».

Можно представить, что роботизированная автоматизация процессов быстро оставит людей без работы. Но из 71 проекта RPA, который мы рассмотрели (47% от общего числа), замена административных сотрудников не была ни основной целью, ни общим результатом.Лишь несколько проектов привели к сокращению численности персонала, и в большинстве случаев рассматриваемые задачи уже были переданы внешним подрядчикам. По мере совершенствования технологий проекты роботизированной автоматизации, вероятно, приведут к некоторой потере рабочих мест в будущем, особенно в индустрии аутсорсинга бизнес-процессов. Если вы можете передать задачу на аутсорсинг, вы, вероятно, сможете ее автоматизировать.

Познавательная проницательность.

Второй по распространенности тип проектов в нашем исследовании (38% от общего числа) использовал алгоритмы для обнаружения закономерностей в огромных объемах данных и интерпретации их значения.Думайте об этом как о «стероидной аналитике». Эти приложения для машинного обучения используются для:

• предсказать, что скорее всего купит конкретный покупатель;
• выявляет кредитное мошенничество в режиме реального времени и выявляет мошенничество со страховыми выплатами;
• анализирует данные о гарантии для выявления проблем с безопасностью или качеством в автомобилях и другой производимой продукции;
• автоматизировать персонализированный таргетинг цифровой рекламы; и
• предоставляет страховщикам более точное и подробное актуарное моделирование.

Когнитивные идеи, предоставляемые машинным обучением, отличаются от тех, которые доступны в традиционной аналитике по трем причинам: они обычно намного более подробны и требуют большого объема данных, модели обычно обучаются на некоторой части набора данных, и модели становятся лучше, то есть их способность использовать новые данные для прогнозирования или распределения вещей по категориям со временем улучшается.

Сопутствующие инструменты

Версии машинного обучения (в частности, глубокое обучение, которое пытается имитировать активность человеческого мозга для распознавания закономерностей) могут выполнять такие функции, как распознавание изображений и речи.Машинное обучение также может предоставлять новые данные для более качественной аналитики. Хотя деятельность по курированию данных исторически была довольно трудоемкой, теперь машинное обучение может определять вероятностные совпадения — данные, которые могут быть связаны с одним и тем же человеком или компанией, но представлены в немного разных форматах — в разных базах данных. GE использовала эту технологию для интеграции данных о поставщиках и сэкономила 80 миллионов долларов за первый год за счет устранения дублирования и заключения договоров, которые ранее выполнялись на уровне бизнес-подразделения.Точно так же крупный банк использовал эту технологию для извлечения данных об условиях из контрактов с поставщиками и сопоставления их с номерами счетов-фактур, выявляя десятки миллионов долларов в продуктах и ​​услугах, которые не были предоставлены. Аудиторская практика «Делойта» использует когнитивную проницательность для извлечения условий из контрактов, что позволяет при аудите проверять гораздо большую часть документов, часто 100%, без того, чтобы аудиторам-людям приходилось кропотливо их читать.

Cognitive Insight обычно используются для повышения производительности в задачах, которые могут выполнять только машины — таких задачах, как закупка программной рекламы, которые включают в себя такую ​​высокоскоростную обработку данных и автоматизацию, что они уже давно выходят за рамки человеческих возможностей, поэтому они обычно не являются угроза человеческим рабочим местам.

Когнитивное взаимодействие.

Проекты, которые привлекают сотрудников и клиентов с помощью чат-ботов с обработкой естественного языка, интеллектуальных агентов и машинного обучения, были наименее распространенным типом в нашем исследовании (на их долю приходилось 16% от общего числа). В данную категорию входят:

• интеллектуальных агентов, которые предлагают круглосуточное обслуживание клиентов, решая широкий и постоянно растущий спектр вопросов, от запросов паролей до вопросов технической поддержки — все на естественном языке клиента;
• внутренних сайтов для ответов на вопросы сотрудников по таким темам, как ИТ, льготы для сотрудников и кадровая политика;
• системы рекомендаций по продуктам и услугам для розничных продавцов, которые повышают персонализацию, вовлеченность и продажи — обычно с использованием богатого языка или изображений; и
• систем рекомендаций по лечению, которые помогают поставщикам медицинских услуг создавать индивидуальные планы лечения, учитывающие состояние здоровья отдельных пациентов и предыдущее лечение.

Компании, участвовавшие в нашем исследовании, были склонны использовать технологии когнитивного взаимодействия больше для взаимодействия с сотрудниками, чем с клиентами. Это может измениться по мере того, как фирмы станут более комфортно переключать взаимодействие с клиентами на машины. Vanguard, например, тестирует интеллектуального агента, который помогает персоналу службы поддержки отвечать на часто задаваемые вопросы. План состоит в том, чтобы в конечном итоге позволить клиентам взаимодействовать с когнитивным агентом напрямую, а не с человеческими агентами по обслуживанию клиентов.SEBank в Швеции и гигант медицинских технологий Becton Dickinson в США используют реалистичный аватар интеллектуального агента Амелию в качестве внутренней службы поддержки сотрудников ИТ-службы. SEBank недавно сделал Амелию доступной для клиентов на ограниченной основе, чтобы проверить ее эффективность и реакцию клиентов.

Компании склонны придерживаться консервативного подхода к технологиям когнитивного взаимодействия с клиентами, в основном из-за своей незрелости. Facebook, например, обнаружил, что его чат-боты Messenger не могут отвечать на 70% запросов клиентов без вмешательства человека.В результате Facebook и несколько других компаний ограничивают интерфейсы на основе ботов определенными тематическими доменами или типами разговоров.

Наше исследование показывает, что приложения для когнитивного взаимодействия в настоящее время не угрожают службе поддержки клиентов или работе торговых представителей. В большинстве изучаемых нами проектов цель заключалась не в сокращении численности персонала, а в том, чтобы справиться с растущим числом взаимодействий сотрудников и клиентов без увеличения штата. Некоторые организации планировали передать рутинные коммуникации машинам, одновременно переведя персонал службы поддержки клиентов на более сложные действия, такие как решение проблем клиентов, которые обостряются, ведение расширенных неструктурированных диалогов или обращение к клиентам до того, как они позвонят с проблемами.

По мере того, как компании все больше знакомятся с когнитивными инструментами, они экспериментируют с проектами, в которых сочетаются элементы всех трех категорий, чтобы воспользоваться преимуществами ИИ. Например, итальянская страховая компания создала «службу когнитивной помощи» в своей ИТ-организации. Система взаимодействует с сотрудниками с помощью технологии глубокого обучения (часть категории когнитивных анализов) для поиска часто задаваемых вопросов и ответов, ранее решенных случаев и документации для поиска решений проблем сотрудников.Он использует возможность интеллектуальной маршрутизации (автоматизация бизнес-процессов) для пересылки наиболее сложных проблем представителям людей и использует обработку естественного языка для поддержки запросов пользователей на итальянском языке.

Однако, несмотря на стремительно расширяющийся опыт использования когнитивных инструментов, компании сталкиваются со значительными препятствиями при разработке и внедрении. На основе нашего исследования мы разработали четырехэтапную структуру для интеграции технологий искусственного интеллекта, которые могут помочь компаниям в достижении их целей, будь то проекты лунных снимков или улучшения бизнес-процессов.

1. Понимание технологий

Прежде чем приступить к инициативе AI, компании должны понять, какие технологии выполняют какие типы задач, а также сильные и слабые стороны каждой из них. Например, экспертные системы на основе правил и роботизированная автоматизация процессов прозрачны в том, как они выполняют свою работу, но ни одна из них не способна к обучению и совершенствованию. С другой стороны, глубокое обучение отлично подходит для обучения на больших объемах помеченных данных, но практически невозможно понять, как оно создает модели.Эта проблема «черного ящика» может быть проблематичной в строго регулируемых отраслях, таких как финансовые услуги, в которых регулирующие органы настаивают на том, чтобы знать, почему решения принимаются определенным образом.

Мы столкнулись с несколькими организациями, которые зря тратили время и деньги на использование неподходящих технологий для работы. Но если они вооружены хорошим пониманием различных технологий, компании смогут лучше определить, какие из них могут лучше всего удовлетворить конкретные потребности, с какими поставщиками работать и как быстро можно внедрить систему.Для достижения этого понимания требуются постоянные исследования и обучение, обычно в рамках ИТ или инновационной группы.

В частности, компаниям необходимо будет использовать возможности ключевых сотрудников, таких как специалисты по обработке данных, которые обладают статистическими навыками и навыками работы с большими данными, необходимыми для изучения основ этих технологий. Главный фактор успеха — это желание ваших сотрудников учиться. Некоторые ухватятся за возможность, в то время как другие захотят придерживаться инструментов, с которыми они знакомы.Стремитесь иметь высокий процент первых.

Если у вас нет собственных возможностей для обработки и анализа данных, вам, вероятно, придется в ближайшем будущем создать экосистему внешних поставщиков услуг. Если вы планируете реализовать долгосрочные проекты в области ИИ, вам нужно будет нанять штатных экспертов. В любом случае, для прогресса необходимо обладать правильными способностями.

Учитывая нехватку талантов в области когнитивных технологий, большинству организаций следует создать пул ресурсов — возможно, в централизованной функции, такой как ИТ или стратегия, — и предоставить экспертов для высокоприоритетных проектов в масштабах всей организации.По мере роста потребностей и талантов может иметь смысл выделять группы для выполнения определенных бизнес-функций или подразделений, но даже в этом случае центральная координирующая функция может быть полезна при управлении проектами и карьерой.

2. Создание портфеля проектов

Следующим шагом в запуске программы ИИ является систематическая оценка потребностей и возможностей, а затем разработка приоритетного портфеля проектов. В компаниях, которые мы изучали, это обычно делалось на семинарах или небольших консультациях.Мы рекомендуем компаниям проводить оценки по трем основным направлениям.

Определение возможностей.

Первая оценка определяет, какие области бизнеса могут получить наибольшую выгоду от когнитивных приложений. Как правило, они являются частью компании, где «знания» — понимание, полученное на основе анализа данных или набора текстов, — в большом почете, но по какой-то причине недоступны.

• Узкие места. В некоторых случаях отсутствие познавательной способности вызвано узким местом в потоке информации; знания существуют в организации, но не оптимально распределены.Это часто имеет место, например, в здравоохранении, где знания, как правило, делятся на отдельные практики, отделения или академические медицинские центры.
• Проблемы масштабирования. В других случаях знания существуют, но процесс их использования занимает слишком много времени или требует больших затрат для масштабирования. Так часто бывает со знаниями, накопленными финансовыми консультантами. Вот почему многие фирмы, занимающиеся инвестициями и управлением капиталом, теперь предлагают возможности «роботизированного консультирования» на базе искусственного интеллекта, которые предоставляют клиентам экономичные рекомендации по повседневным финансовым вопросам.
• В фармацевтической промышленности Pfizer решает проблему масштабирования, используя IBM Watson для ускорения трудоемкого процесса открытия новых лекарств в иммуноонкологии, нового подхода к лечению рака, который использует иммунную систему организма для борьбы с раком. Для вывода на рынок иммуноонкологических препаратов может потребоваться до 12 лет. Объединив обширный обзор литературы с собственными данными Pfizer, такими как лабораторные отчеты, Watson помогает исследователям выявлять взаимосвязи и находить скрытые закономерности, которые должны ускорить идентификацию новых целевых препаратов, комбинированные методы лечения для исследования и стратегии отбора пациентов для этого нового класса. наркотиков.
• Недостаточная огневая мощь. Наконец, компания может собрать больше данных, чем ее существующие человеческие или компьютерные возможности могут адекватно проанализировать и применить. Например, компания может располагать огромными объемами данных о цифровом поведении потребителей, но не иметь представления о том, что это означает или как их можно применить в стратегических целях. Чтобы решить эту проблему, компании используют машинное обучение для поддержки таких задач, как программная покупка персонализированной цифровой рекламы или, в случае Cisco Systems и IBM, для создания десятков тысяч «моделей предрасположенности» для определения того, какие клиенты, вероятно, купят. товары.

Определение вариантов использования.

Вторая область оценки оценивает варианты использования, в которых когнитивные приложения будут приносить существенную пользу и способствовать успеху бизнеса. Начните с таких ключевых вопросов, как: Насколько важно для вашей общей стратегии решение целевой проблемы? Насколько сложно будет реализовать предложенное решение AI — как технически, так и организационно? Стоят ли усилия от запуска приложения? Затем определите приоритеты сценариев использования, которые предлагают наиболее краткосрочную и долгосрочную ценность и которые в конечном итоге могут быть интегрированы в более широкую платформу или набор когнитивных возможностей для создания конкурентного преимущества.

Выбор технологии.

Третья область для оценки исследует, действительно ли инструменты ИИ, рассматриваемые для каждого варианта использования, соответствуют задаче. Чат-боты и интеллектуальные агенты, например, могут расстроить некоторые компании, потому что большинство из них пока не могут справиться с решением человеческих проблем, кроме простых сценариев (хотя они быстро улучшаются). Другие технологии, такие как автоматизация процессов с помощью роботов, которые могут упростить простые процессы, такие как выставление счетов, на самом деле могут замедлить работу более сложных производственных систем.И хотя системы визуального распознавания с глубоким обучением могут распознавать изображения на фотографиях и видео, они требуют большого количества помеченных данных и могут быть не в состоянии понять сложное поле зрения.

Эта статья также встречается в:

Со временем когнитивные технологии изменят способ ведения бизнеса компаниями. Сегодня, однако, разумнее предпринять постепенные шаги с доступными в настоящее время технологиями при планировании трансформационных изменений в не столь отдаленном будущем. Возможно, вы в конечном итоге захотите передать взаимодействие с клиентами, например, ботам, но на данный момент, вероятно, более осуществимо — и разумно — автоматизировать вашу внутреннюю службу ИТ-поддержки в качестве шага к конечной цели.

3. Запуск пилотов

Поскольку разрыв между текущими и желаемыми возможностями ИИ не всегда очевиден, компаниям следует создавать пилотные проекты когнитивных приложений, прежде чем развертывать их на всем предприятии.

Пробные версии пилотных проектов особенно подходят для инициатив, которые имеют высокую потенциальную ценность для бизнеса или позволяют организации одновременно тестировать различные технологии. Будьте особенно осторожны, чтобы избежать «инъекции» проектов руководителями высшего звена, на которые оказали влияние поставщики технологий.Тот факт, что руководители и совет директоров могут почувствовать давление с целью «сделать что-то познавательное», не означает, что вы должны обходить строгий процесс пилотирования. Внедренные проекты часто терпят неудачу, что может серьезно подорвать программу ИИ в организации.

Если ваша компания планирует запустить несколько пилотных проектов, подумайте о создании когнитивного центра передового опыта или аналогичной структуры для управления ими. Такой подход помогает развить необходимые технологические навыки и возможности внутри организации, а также помогает переместить небольшие пилотные проекты в более широкие приложения, которые окажут большее влияние.В компании Pfizer реализовано более 60 проектов, в которых используются те или иные когнитивные технологии; многие из них являются пилотами, а некоторые сейчас находятся в производстве.

В Becton, Дикинсон, подразделение «глобальной автоматизации» в ИТ-организации наблюдает за рядом пилотных проектов когнитивных технологий, в которых используются интеллектуальные цифровые агенты и RPA (некоторая работа выполняется в партнерстве с организацией Global Shared Services компании). Глобальная группа автоматизации использует сквозные карты процессов для руководства внедрением и определения возможностей автоматизации.Группа также использует графические «тепловые карты», которые указывают на организационную деятельность, наиболее подверженную вмешательству ИИ. Компания успешно внедрила интеллектуальных агентов в процессы ИТ-поддержки, но пока не готова к поддержке крупномасштабных корпоративных процессов, например, от заказа до оплаты. Страховая компания Anthem разработала аналогичную централизованную функцию искусственного интеллекта, которую она называет Cognitive Capability Office.

Редизайн бизнес-процесса.

По мере разработки проектов когнитивных технологий подумайте о том, как можно изменить рабочие процессы, уделяя особое внимание разделению труда между людьми и ИИ.В некоторых когнитивных проектах 80% решений будут приниматься машинами, а 20% — людьми; у других будет противоположное соотношение. Систематическая переработка рабочих процессов необходима для того, чтобы люди и машины дополняли друг друга и компенсировали слабые стороны.

Инвестиционная компания Vanguard, например, предлагает новое предложение «Услуги личного советника» (PAS), которое сочетает в себе автоматизированные консультации по инвестициям с рекомендациями консультантов-людей. В новой системе когнитивные технологии используются для выполнения многих традиционных задач инвестиционного консультирования, включая создание индивидуального портфеля, изменение баланса портфелей с течением времени, сбор налоговых убытков и выбор эффективных с точки зрения налогообложения инвестиций.Человеческие консультанты Vanguard служат в качестве «инструкторов по инвестированию», которым поручено отвечать на вопросы инвесторов, поощрять здоровое финансовое поведение и быть, по словам Vanguard, «эмоциональными выключателями», чтобы держать инвесторов в соответствии с планом. Советникам рекомендуется узнать о поведенческих финансах для эффективного выполнения этих ролей. Подход PAS быстро собрал более 80 миллиардов долларов в активах под управлением, затраты ниже, чем затраты на чисто человеческое консультирование, а удовлетворенность клиентов высока.

Vanguard осознал важность изменения рабочего процесса при внедрении PAS, но многие компании просто «прокладывают путь коровам», автоматизируя существующие рабочие процессы, особенно при использовании технологии RPA. Автоматизируя установленные рабочие процессы, компании могут быстро реализовывать проекты и достигать рентабельности инвестиций, но они упускают возможность в полной мере использовать возможности искусственного интеллекта и существенно улучшить процесс.

Когнитивная работа по редизайну часто выигрывает от применения принципов дизайн-мышления: понимание потребностей клиентов или конечных пользователей, вовлечение сотрудников, чья работа будет реструктурирована, рассмотрение дизайна как экспериментальных «первых черновиков», рассмотрение множества альтернатив и явное рассмотрение возможностей когнитивных технологий в процесс проектирования.Большинство когнитивных проектов также подходят для итеративного гибкого подхода к разработке.

4. Увеличение масштаба

Многие организации успешно запустили когнитивные пилотные проекты, но не добились большого успеха в их развертывании в масштабах всей организации. Для достижения своих целей компаниям необходимы подробные планы масштабирования, что требует сотрудничества между экспертами по технологиям и владельцами автоматизируемых бизнес-процессов. Поскольку когнитивные технологии обычно поддерживают отдельные задачи, а не целые процессы, масштабирование почти всегда требует интеграции с существующими системами и процессами.Действительно, в нашем опросе руководители сообщили, что такая интеграция была самой большой проблемой, с которой они столкнулись в инициативах по ИИ.

Компании должны начать процесс масштабирования с рассмотрения того, возможна ли вообще необходимая интеграция. Если приложение зависит от специальной технологии, которую трудно получить, например, это ограничит масштабирование. Убедитесь, что владельцы ваших бизнес-процессов обсуждают вопросы масштабирования с ИТ-организацией до или во время пилотного этапа: конечный запуск ИТ вряд ли будет успешным даже для относительно простых технологий, таких как RPA.

Страховая компания Anthem, например, берет на себя разработку когнитивных технологий в рамках масштабной модернизации существующих систем. Вместо того, чтобы привязывать новые когнитивные приложения к устаревшим технологиям, Anthem использует целостный подход, который максимизирует ценность, создаваемую когнитивными приложениями, снижает общую стоимость разработки и интеграции и создает эффект ореола в устаревших системах. В то же время компания модернизирует процессы, чтобы, как выразился ИТ-директор Том Миллер, «использовать когнитивные функции, чтобы вывести нас на новый уровень.”

При увеличении масштаба компании могут столкнуться с серьезными проблемами управления изменениями. В одной из сетей розничной торговли одеждой в США, например, пилотный проект в небольшом подмножестве магазинов использовал машинное обучение для онлайн-рекомендаций по продуктам, прогнозов для оптимальных запасов и моделей быстрого пополнения, а также — что самое сложное — мерчендайзинга. Покупатели, привыкшие заказывать товар на основе своей интуиции, чувствовали угрозу и комментировали: «Если вы собираетесь верить этому, зачем я вам нужен?» После пилотного проекта покупатели всей группой пошли к начальнику отдела мерчандайзинга и потребовали, чтобы программа была закрыта.Руководитель отметил, что результаты были положительными и требуют расширения проекта. Он заверил покупателей, что, освободившись от определенных задач по сбыту товаров, они могут взять на себя более значимую работу, которую люди могут выполнять лучше, чем машины, например, понимание желаний молодых клиентов и определение будущих планов производителей одежды. В то же время он признал, что торговцев необходимо обучать новому способу работы.

Для достижения желаемых результатов за счет увеличения масштабов фирмы также должны сосредоточиться на повышении производительности.Многие, например, планируют повысить свою продуктивность, добавляя клиентов и транзакции без увеличения штата. Компаниям, которые ссылаются на сокращение численности персонала в качестве основного оправдания инвестиций в ИИ, в идеале следует планировать достижение этой цели с течением времени за счет выбытия сотрудников или отказа от аутсорсинга.

Познавательная компания будущего

Наш опрос и интервью показывают, что менеджеры, имеющие опыт работы с когнитивными технологиями, оптимистично оценивают их перспективы. Хотя первые успехи относительно скромны, мы ожидаем, что эти технологии в конечном итоге изменят работу.Мы считаем, что компании, которые постепенно внедряют ИИ сейчас и имеют агрессивные планы внедрения в будущем, окажутся в таком же положении, чтобы извлечь выгоду, как и компании, которые на раннем этапе внедрили аналитику.

Благодаря применению ИИ информационные области, такие как маркетинг, здравоохранение, финансовые услуги, образование и профессиональные услуги, могут стать одновременно более ценными и менее дорогостоящими для общества. Кропотливая рутинная работа в каждой отрасли и сфере деятельности — наблюдение за рутинными операциями, многократные ответы на одни и те же вопросы и извлечение данных из бесконечных документов — может стать уделом машин, что позволит людям работать более продуктивно и творчески.Когнитивные технологии также являются катализатором успеха других технологий с интенсивным использованием данных, включая автономные транспортные средства, Интернет вещей, а также мобильные и многоканальные потребительские технологии.

Когнитивные технологии опасаются того, что они лишат работы массу людей. Конечно, возможна потеря работы, поскольку умные машины берут на себя определенные задачи, которые традиционно выполняются людьми. Однако мы считаем, что на данный момент большинству рабочих нечего опасаться. Когнитивные системы выполняют задачи, а не всю работу.Убытки рабочих мест, которые мы наблюдали, были вызваны главным образом убытком рабочих, которые не были заменены, или автоматизацией аутсорсинга. Большинство когнитивных задач, выполняемых в настоящее время, дополняют человеческую деятельность, выполняют узкую задачу в рамках гораздо более широкой работы или выполняют работу, которая изначально не выполнялась людьми, например, анализ больших данных.

Большинство менеджеров, с которыми мы обсуждаем проблему потери работы, привержены стратегии увеличения, то есть интеграции человеческого и машинного труда, а не полной замены людей.В нашем опросе только 22% руководителей указали, что считают сокращение штата главным преимуществом ИИ.

Мы считаем, что каждая крупная компания должна изучать когнитивные технологии. На дороге появятся неровности, и нет места для самоуспокоения по вопросам перемещения рабочей силы и этики умных машин. Но при правильном планировании и развитии когнитивные технологии могут открыть золотой век производительности, удовлетворения от работы и процветания.