Machine Learning в Ростелеком - DSC HSE NN Meetup #3

DSC Meetup #3 3 митап клуба «Developer Student Clubs», который прошел 7 февраля 2021 года, осветил многие IT-сферы. Во втором докладе «Роль данных в компании и как ими управлять» представители компании «Ростелеком» рассказали о том, как они работают с данными и улучшают работу благодаря им. Для кого этот доклад? Для всех заинтересованных в данных и их анализе. Цель доклада? Раскрыть тему использования данных в крупной компании, их архитектуре и управлении. Главные поинты доклада: 🔶 Зачем и как необходимо использовать данные; 🔶 Проблемы в данных и как они могут влиять на бизнес; 🔶 Как внедряется подход Data-driven в «Ростелекоме» как крупной компании; 🔶 Как устроена архитектура централизованного хранилища данных; 🔶 Направления развития искусственного интеллекта и какие направления поддерживает «Ростелеком»; 🔶 Монетизация данных. Верхнеуровневая архитектура; 🔶 Как строится профиль клиента «Ростелеком»; 🔶 Как работает воронка продаж и как данные помогают в улучшении её эффективности; 🔶 Как работают рекомендательные сервисы в «Ростелеком», как они помогают делать дополнительные продажи; 🔶 Пример работы ИИ для предсказания оттока клиентов. Timecodes: 00:00 - интро 00:38 - вступительное слово Марины Кормщиковой 01:21 - о чем доклад, основные поинты 01:40 - капитализация datadriven компаний 03:51 - обладание данными/умение правильно применять извлеченные знания на практике 05:38 - к чему приводят проблемы в данных 07:35 - топовые приложения из PlayStore 09:12 - этапы внедрения datadriven подхода в "Ростелекоме" 12:33 - архитектура централизованного хранилища данных (ЦХД) 14:06 - архитектура ЦХД 23:20 - вопрос слушателям 24:40 - Андрей Зима. вступительное слово 25:05 - направления развития искусственного интеллекта 32:35 - верхнеуровневая архитектура внутренней монетизации данных 34:30 - профиль клиента 37:02 - crosssale/Upsale (на примере В2В МСП) 41:22 - рекомендательные сервисы (профиль клиента 360, ИИ классификаторы) 47:32 - предикторы оттока (на примере В2С). Меры для увеличения конверсии 50:54 - как работает ИИ на примере предсказания оттока 55:40 - как работает ИИ. Пример простого классификатора. Склонность к ВАТС 56:50 - предикторы оттока в процессе 1:00:02 - заключительное слово