«Тинькофф» создал бесплатный инструмент для бизнес-аналитики лучше, чем у Meta и Amazon. Аналогов в России нет

0
36

ПО для аналитики и прогнозирования бизнес-процессов

Как стало известно CNews, «Тинькофф» разработал универсальный инструмент для анализа и прогнозирования процессов ETNA.

С его помощью, к примеру, можно отслеживать, какие факторы больше всего влияют на прибыль компании, прогнозировать спрос на отдельные продукты или определять бюджет на следующий год, рассказали CNews в банке, подчеркнув, что ETNA – первый на российском рынке инструмент такого рода.

Анализ, проверка гипотез и построение прогнозов строится на основе загруженных пользователем данных, а также информации из открытых источников. В работе ETNA используются алгоритмы машинного обучения и нейронные сети. При этом гарантируется полная безопасность данных, так как вся загруженная информация остается на компьютере и не направляется на внешние ресурсы, утверждают в «Тинькофф».

«Тинькофф» создал бесплатный инструмент для бизнес-аналитики лучше, чем у Meta и Amazon. Аналогов в России нет

«Тинькофф» выпустил бесплатный фреймворк для аналитики и прогнозирования бизнес-процессов

На данном этапе развития инструмента воспользоваться им смогут только люди, владеющие популярным языком программирования Python хотя бы на базовом уровне. В дальнейшем «Тинькофф» планирует развивать ETNA так, чтобы инструментом могла пользоваться более широкая аудитория – аналитики, бизнес-аналитики, маркетологи и др.

Кроме того, «Тинькофф» хочет выпустить отдельный коммерческий продукт на основе технологий, реализованных в ETNA. Сроки его вывода на рынок, выбранный способ монетизации и другие особенности в банке не уточняют.

Фреймворк ETNA

С технической точи зрения ETNA – это фреймворк (библиотека) для прогнозирования временных рядов, написанный языке программирования Python. Временной ряд представляет собой упорядоченную последовательность значений некоего показателя (данных) за несколько периодов времени. Методы анализа и прогнозирования позволяют выявить закономерности изменения показателя во времени, а затем экстраполировать их, то есть перености на некоторый период будущего.

Исходный код фреймворка опубликован на площадке хостинга ИТ-проектов Github на условиях свободной лицензии Apache 2.0. Это значит, что наработки команды «Тинькофф» можно бесплатно использовать в любых отраслях для достижения любых целей, в том числе коммерческих.

При разработке ETNA использовались уже существующие моделей машинного обучения и инструменты с открытым исходным кодом, пояснили CNews в «Тинькофф», в частности – библиотеку PyTorch Forecasting.

Помимо кода, разработчики подготовили подробную англоязычную документацию и набор примеров использования ETNA для быстрого старта работы с инструментарием. Все это также доступно бесплатно.

ETNA – собственная разработка центра технологий искусственного интеллекта «Тинькофф». Центр включает в себя более 20 команд и более 200 экспертов в области машинного обучения. Среди разработок центра – телефонный секретарь «Олег», технология синтеза и распознавания речи VoiceKit, а также предиктивные модели для сервисов, связанных с образом жизни (lifestyle), инвестиций и контентных проектов компании.

По словам представителя «Тинькофф», над ETNA трудится команда специалистов по временным рядам, состоящая из 10 человек. Кроме того, проекту помогают несколько сторонних разработчиков. Работа над ETNA стартовала в январе 2021 г., а первая общедоступная версия увидела свет в сентябре 2021 г.

Как ETNA используется в «Тинькофф»

Как рассказали CNews в «Тинькофф», наработки в рамках проекта ETNA используются используется в более чем 15 внутренних проектах банка, в том числе при планировании ресурсов, инфраструктуры и бюджета

Российские компании предлагают техподдержку третьего уровня по цене базовой Инфраструктура

«Тинькофф» создал бесплатный инструмент для бизнес-аналитики лучше, чем у Meta и Amazon. Аналогов в России нет

К примеру, с его помощью прогнозируется потребность в новых сотрудниках, оборудовании и технике в офисе и определяется, как различные бизнес-процессы влияют друг на друга.

ETNA помогает прогнозировать объем спроса и внесения наличной валюты в конкретном банкомате, анализировать необходимость инкассации и составлять график пополнения банкомата. Кроме того, специалисты «Тинькофф» с помощью данного инструмента прорабатывают возможность прогнозирования будущих трат клиентов в разных товарных категориях. Это поможет клиентам более тщательно планировать свой бюджет, считают в банке.

Зарубежные разработки не подошли

Необходимость решения внутренних задач стала одним из поводов для начала разработки ETNA, говорят в «Тинькофф».

Интересно, что найти достаточно гибкий инструмент для своих нужд на зарубежных рынках банк не смог, во всяком случае такой, чтобы удовлетворял все бизнес-потребности финансовой организации.

Выход из этой ситуации «Тинькофф» увидел в разработке и тонкой настройке собственного решения. Решив внутренние задачи и сочтя, что у инструмента есть перспективы вне компании, «Тинькофф» принял решение вывести ETNA на рынок. Учитывая открытую модель разработки, подобный шаг может принести выгоду как самому банку, так и тем, кто воспользуется его наработками.

По мнению специалистов «Тинькофф», на фоне зарубежных аналогов их детище отличается понятным и удобным интерфейсом, большим числом методов для обработки данных, а также моделей для их прогнозирования.

«Тинькофф» не первая организация, у которой возникла потребность в инструменте для анализа и прогнозирования такого рода. За рубежом их разработкой занимались исследовательские институты, например, Институт имени Алана Тьюринга в Лондоне (The Alan Turing Institute) с проектом sktime.

Преуспели на данном направлении американские технологические гиганты Meta (Facebook) и Amazon, по пути которых, видимо, планирует пойти отечественный банк. Они, как и «Тинькофф», поначалу ставили целью создать инструменты наподобие ETNA для внутреннего пользования, которые впоследствии переросли в самостоятельные продукты для бизнеса (B2B). Это тулкиты Kats и GluonTS, разработанные специалистами Meta и Amazon соответственно. Они оба написаны на Python и основаны на открытом исходном коде.