1. Telescope Analytics - это небольшой проект, растущий в университетской среде Томска. На данный момент мы занимаемся бизнес - аналитикой малых или средних данных (до 30 ГБ). Однако наша цель Big Data. Данное направление требует значительных ресурсов как человеческих, так и финансовых. Сейчас команда Telescope подготавливает площадку для предстоящего скачка в область Больших данных. Итак, стоит объяснить что такое бизнес-аналитика, чем мы занимаемся и как это относится к Big Data. Бизнес -аналитика (Business Intelligence, BI) представляет собой анализ данных, генерируемых в ходе бизнес-процессов с целью повышения эффективности деятельности организации и автоматизации данных процессов.

Если перейти к конкретному примеру, то бизнес-аналитику можно проиллюстрировать на примере данных, собираемых в супермаркета. Ежедневно в больших супермаркетах регистрируются десятки тысяч транзакций с помощью кассовых аппаратов. Под транзакцией имеется ввиду факт покупки определенной корзины товаров. В чистом виде такие данные не могут быть каким - либо образом быть интерпретированы менеджментом для повышения эффективности бизнес-процессов в данном супермаркете. Однако в таких данных кроется важнейшая информация о предпочтениях потребителей. Именно на данном этапе в дело вступает бизнес-аналитика: аналитик агрегирует и представляет данные в такой форме, которая была бы пригодна для анализа. После этого все данные визуализируются, переводятся в удобные для человека графики, гистограммы и, возможно, дашборды. Но помимо описания тех процессов, которые уже произошли в организации, из данных с кассовых аппаратов можно извлечь очень полезные модели, например, модель, способную подсказать какие товары и в каком объеме необходимо закупить на следующий месяц, или, например, ассоциативные правила. Примером ассоциативного правила в данном случае будут правила, в которых будет содержаться информация о том, что клиенту стоит порекомендовать исходя из того что он уже купил или как стоит расположить товары на полке. Так ассоциативные правила позволяют продавать значительно больше, а значит повышать эффективность организации.

Условно всю бизнес-аналитику можно разделить на три направления:

1. Дескриптивная аналитика (descriptive analytics). Представляет собой описание тех процессов, которые уже произошли в организации. При этом основным инструментарием является визуализация данных процессов
2. Предикативная аналитика (predictive analytics). Данный раздел бизнес-аналитики позволяет строить различные математические модели, способные повысить эффективность деятельности организации. Например, ассоциативные правила, модели классификации, регрессии или кластеризации.
3. Прескриптивная аналитика (prescriptive analytics). Относительно сложный раздел, занимающийся поиском оптимальных решений. Причина сложности заключается в первую очередь в наименьшей детерминированности процесса решения подобных задач.

Теперь о том как бизнес-аналитика соотносится с Big Data. Ключевая идея Big Data не в том, чтобы анализировать принципиально большие данные, ибо небольшие организации могу собрать достаточное количество информации о своей деятельности, которые будут общим объемом в несколько десятков гигибайт. Идея состоит в том, чтобы подвергать аналитике не отдельные стороны деятельности компании, а рассматривать все направления деятельности организации в комплексе. Таким образом аналитике подвергаются все данные, которые собираются в ходе деятельности организации, а при недостаточности организуется сбор дополнительной информации или организации новых процессов сборов информации.

Именно по этой причине Big Data представляет такой интерес для крупных и средних компаний, ибо такой подход позволяет дать информацию менеджменту организации о всех сторонах деятельности организации, построить действительно качественные модели и делать обоснованные управленческие решения. Ключевая проблема с которой сталкиваются компании при реализации такого подхода - это отсутствие кадров и высокая себестоимость. Наиболее оптимальным решением данных проблем является аутсорсинг Big Data, что позволяет значительно снизить издержки и повысить качество аналитики.

2. Что у нас уже есть?

У нас уже сформирована начальная команда и готов прототип. Под прототипом понимается готовая методология дескриптивной аналитики малых и средних данных, а также формы отчетности, которые бизнес получает по завершению работы.

Относительно маркетинга и PR направления мы формируем интерес к нашему проекту через различные платформы и сервисы. Например, совсем недавно мы создали группу Вконтакте, которая сейчас насчитывает уже около 150 человек, а также блог в Yandex Zen, в котором периодически выкладываем информацию о развитии проекта, а также интересные материалы, связанные с бизнес-аналитикой, Data Science и Big Data.

В качестве визитки был создан web сайт, содержащий основную информацию о проекте и направлении нашей деятельности, а также контактную информацию.

Ссылки наших ресурсов приведены ниже:

1. Веб-сайт http://telescope.tilda.ws/
2. Блог https://zen.yandex.ru/media/id/5a632aaf7425f54a32d...
3. Группа Вконтакте https://vk.com/telescopeanalytics

3. Как наш проект связан с университетом?

Для того чтобы стать бизнес-аналитиком или специалистом в области анализа данных не достаточно хорошо знать математику, программирование и предметную область. Ибо профессиональные умения аналитика создает опыт, получаемый в результате решения реальных задач. Однако и в Томске и в Росиии начинающим бизнес - аналитикам трудно найти практику. Например, в Томске нет компаний которые занимались бы подобным. Все компании, которые ищут специалистов в области Big Data и бизнес-аналитики требуют наличие реального опыта 2-3 года, то есть отсутствует промежуточная ступень между университетским образованием и работой в данной сфере.

Члены нашей команды, которые кстати все учатся на направлении бизнес-аналитика в ИЭМ ТГУ, столкнулись с такой же проблемой, так собственно появилась идея самого проекта. Мы хотим начиная с годов обучения в университете получать также и практику, которая позволит сделать успешную карьеру в области анализа данных и бизнес-аналитики. Наша задача помочь таким же как мы, то есть мы планируем принимать студентов в нашу команду, обучающихся по направлениям: бизнес-аналитика, прикладная математика, математические методы в экономике или иные близкие направления. Так они смогут получить бесценный опыт и, возможно, заработать первые свои деньги.

На данном этапе развития проекта требуется сделать некоммерческий запуск сервиса, предназначенный для развития качества предоставляемых услуг, развития навыков команды, а также проверка гипотез относительно формы предоставляемых услуг.

4. Временные рамки реализации

1 Этап. Проведение PR компании, с целью обеспечения информированности представителей бизнеса Томска о нашем сервисе. (01.05.2018 - 15.05.2018)

2 Этап. Формирование банка заявок и договоренностей с малыми и средними организациями (16.05.18 - 30.06.18)

3 Этап. Выполнение заявок, оказание бесплатных аналитических услуг и проверка гипотез относительно формы предоставляемых услуг (форм продукта, а также используемой методологии) (01.07.18 - 09.11.18). С 10.11.2018 проект начнет существовать бессрочно и начнет подготовку к следующему этапу развития - коммерческому запуску.

4 Этап. Развития качества предоставляемых услуг на основе полученной информации в ходе некоммерческого запуска. (21.10.18 - 09.11.18)

5. Предполагаемые результаты реализации с показателями их достижения

Целью данного проекта является создание сервиса, который в первую очередь позволит бизнесу получать качественную бизнес-аналитику, а во-вторых сервис должен создать промежуточную ступень между обучением в университете и освоением специальности аналитика. В команду будут приниматься студенты, продемонстрировавшие качественные знания математики (линейной алгебры, теории вероятностей, математической статистики) и программирования (Python или R), которые желают получить опыт решения реальных бизнес задач и проложить путь к своей карьере.

6. Предполагаемые расходы

Заметим, что большая часть расходов предназначена на покупку необходимого оборудования для анализа данных, то есть четырех настольных компьютеров, а остальные средства предназначены для обустройства помещения и закупку мебели. В смету не включены расходы на арендную плату, так как планируется получить резиденство в бизнес-инкубаторе ТГУ, в случае если этого не удастся достичь, то расходы по описанным статьям будут уменьшены и направлены на аренду помещения. Также не учтены расходы на образование юридического лица, так как сначала планируется провести пробный запуск, оказывая бесплатные аналитические услуги представителям бизнеса Томска. Регистрация потребуется на этапе коммерческого запуска, для чего будут найдены иные источники финансирования, например, собственные средства членов команды, так как на регистрацию не требуются серьезные финансовые вложения.