Обсудить ваш проект

Бизнес осознал потребность в зрелом управлении данными

02.12.2019

Компания проходит несколько стадий на пути к пониманию того, что им нужно зрелое управление данными. Большие данные и аналитика существенно помогают бизнесу. О том, как оптимизировать и монетизировать данные с помощью систем управления, с какими сложностями можно столкнуться, как получить пользу от внедрения, как узнать своего клиента лучше с помощью цифровых технологий, говорили участники секции «BI и большие данные» на CNews FORUM 2019: Информационные технологии завтра.

Кирилл Дубовиков: Правильная постановка задачи может определять до 80% успеха

О развитии технологий искусственного интеллекта для обработки больших данных рассказал Кирилл Дубовиков, технический директор «Синимекс Дата Лаб».

_YZ_0095.jpgCNews: Что обычно понимается под технологией Data Science/Big Data? Что это на практике?

Кирилл Дубовиков: Data Science и Big Data представляют из себя две разные дисциплины. Data Science решает бизнес-задачи с помощью сбора, обработки и анализа данных. Big Data – это больше про инженерию, когда есть потребность в обработке большого объема данных, подсчете или соединении нескольких их источников.

В программном обеспечении есть такое понятие как вертикальное и горизонтальное масштабирование. Вертикальное означает, что масштабирование происходит за счет добавления мощности к существующей машине. Горизонтальное – за счет еще одной машины в вашем пуле ресурсов. На практике вертикально масштабировать намного дороже и сложнее, чем горизонтально: купить 10 компьютеров дешевле, чем в 10 раз улучшить сервер по характеристикам.

Big Data – это технологии и инженерные практики, которые позволяют собрать большие объемы данных, которые не помещаются на один компьютер, и обработать их на большом количестве машин. Зачастую, Big Data технологии помогают решать задачи в Data Science. К примеру, на многих проектах требуется обрабатывать большое количество данных, которые не посчитаешь на одном сервере, или же требуется параллельно выполнить много ресурсоемких расчетов.

Big Data – это технологии и инженерные практики, которые позволяют собрать большие объемы данных, которые не помещаются на один компьютер, и обработать их на большом количестве машин. Зачастую, Big Data технологии помогают решать задачи в Data Science. К примеру, на многих проектах требуется обрабатывать большое количество данных, которые не посчитаешь на одном сервере, или же требуется параллельно выполнить много ресурсоемких расчетов.

CNews: В каких сферах Data Science используют чаще всего? Какие тренды можно наблюдать на российском рынке данных технологий?

Кирилл Дубовиков: В настоящее время область применения технологий практически ничем не ограничена: во всем мире, и в России в том числе, неуклонно растет количество собираемой информации. Каждый день в таких сферах как производство, ритейл, банкинг, ИТ, логистика и медицина копится множество данных. В то время как методики, используемые в Data Science и в статистике, универсальны и применимы к любым данным и к решению многочисленных прикладных задач. На российском рынке Data Science используют по большей части те компании, которые заботятся о цифровой трансформации и собирают большие объемы данных. К ним, как правило, относятся производство, ритейл и финансовый сектор.

В банковском секторе алгоритмы машинного обучения используются в управлении рисками и в сфере безопасности, например, в случаях махинаций с картами и счетами.

Технология способна заметить аномалии, исходя из накопленной истории случаев мошенничества, и предупредить незаконные действия. При этом, в банках уже давно существуют fraud-detection системы, основанные на жестких правилах, способные распознать случай мошенничества при помощи заранее определенных критериев оценки.

С другой стороны, модели машинного обучения позволяют разработать систему с нечеткой логикой, которая ищет подозрительные действия и нетиповые операции, совершаемые клиентами банка, заранее не занесенные в fraud-detection систему. Совмещение жестких правил и алгоритмов Data Science дает преимущество – система становится гибкой и начинает обнаруживать новые поведенческие шаблоны злоумышленников. Также в финансовой сфере подобные технологии используются для тарификации, персонификации кредитных предложений и вкладов, предпринимаются попытки для скоринга юридических лиц.

В ритейле алгоритмы машинного обучения тоже востребованы: можно наблюдать динамику передвижения людей в магазине, выкладку товаров на полках. В сфере торговли набирает популярность технология прогнозирования спроса при помощи моделей машинного обучения, особенно это касается вопросов логистики и бережливого подхода к ней. К примеру, если у компании есть десятки тысяч торговых точек, и продуктовый каталог составляет сотни тысяч записей, человеку уже невозможно составить точное распределение товаров на основе прогноза спроса по всем позициям. А алгоритмы машинного обучения удачно справляются с этой задачей. Яркий пример, где сокращение логистических издержек играет ключевую роль – это аптеки. Если лекарства привозятся в аптеку, то в соответствии с внутренними процессами фармакологических компаний, они в ней регистрируются, и дальше их перевозить нельзя. В случае, если товара осталось много и срок годности подходит к концу, то нельзя развезти лекарства по аптекам, где наблюдается дефицит. По правилам, партия лекарств сначала возвращается на центральный склад, проходит ресертификацию, и только потом отправляется в другую аптеку. При таких условиях точность алгоритмов играет важную роль.

В производстве часто возникает потребность в решении задачи предиктивного обслуживания – способа заранее определить неполадки в дорогостоящем производственном оборудовании. С помощью алгоритмов можно спрогнозировать, что может пойти не так, и уменьшить длительность и количество ремонтов оборудования, оберегая цикл производства от непредвиденных остановок. Данные для машинного анализа собираются с большого количества сенсоров, измеряющих состояние этих установок.

Также в сфере промышленности, к примеру, в нефтехимической отрасли, популярна тонкая настройка производственных процессов, где на одном из этапов производства происходит химическая реакция внутри сложного аппарата. Зачастую существует зависимость от условий внешней среды и особенностей сборки оборудования, поэтому каждый производственный процесс имеет уникальные характеристики и требует тонкой настройки. Алгоритмы могут подстраиваться под все заданные условия, находить взаимосвязь между внутренними и внешними факторами, подстраивать процесс так, чтобы, например, увеличить полезный выход реакции. Важным фактором является то, что они могут следить за реакцией и условиями 24/7 без остановок и с меньшими затратами, в сравнении с существующими процессами мониторинга.

CNews: От чего зависит успешность реализации проектов на базе данных технологий? Можете привести пример успешного проекта?

Кирилл Дубовиков: Успешность проектов определяют много факторов. Дисциплина достаточно молодая, и в ней происходит много изменений. С точки зрения управления проектами, важно понимать разницу между методологиями управления проектами по разработке ПО и проектами по анализу данных.

Правильная постановка задачи крайне важна для проектов по анализу данных: она может определять до 80% успеха. Здесь, как и в проектах по разработке, присутствует принцип текучих абстракций: с одной стороны, заказчик при постановке задачи не должен знать все детали технологии, с другой стороны, неточная формулировка может очень сильно повлиять на способ решения задачи, достигнутые результаты и, в конце концов, на бизнес-процессы. Поэтому тем, кто ставит задачи и разрабатывает идеи, важно получить экспертизу в базовых понятиях анализа данных и составить общее понимание о возможностях алгоритмов машинного обучения. При этом не обязательно разбираться в сложных доказательствах теорем. Главное, чтобы было представление о том, какую бизнес-ценность могут принести данные технологии в существующих условиях, какие задачи могут решаться, а какие лежат за гранью возможностей алгоритмов машинного обучения.

Успешно реализованным проектом с хорошей формулировкой задачи и корректными ожиданиями можно назвать проект для одного из наших клиентов – зарубежной микрофинансовой организации. В рамках проекта требовалось реализовать скоринговую модель для оценки риска невозврата долга. Нетиповой особенностью проекта было то, что история транзакций клиентов была недоступна: ее приходилось восстанавливать, анализируя текстовые сообщения, переданные с телефона пользователя по его согласию. В дополнение к этому, мы собрали большое количество данных из социальных сетей и государственных порталов, на основе которых создали скоринговую модель. Заказчики оказались довольны.

Отличительная черта нашей команды в том, что мы умеем реализовывать надежные системы для промышленного использования и не останавливаемся на стадии реализации модели. У компании больше 20 лет опыта и экспертизы в разработке ПО, поэтому мы решаем задачу более широко: смотрим на нее как на ИТ-систему, которую нужно реализовать таким образом, чтобы она приносила пользу бизнесу. Разработка модели машинного обучения – лишь часть процесса. Мы всегда стараемся сформулировать цель проекта так, чтобы не только разработать качественную модель, но и поставить заказчику законченное решение бизнес-задачи.

CNews: С какими проблемами чаще всего встречаетесь при реализации проектов с использованием Data Science/Big Data?

Кирилл Дубовиков: Существуют проблемы, связанные с инфраструктурной и инженерной составляющей. К проектам по анализу данных часто относятся как к научным исследованиям, но на самом деле за ними должен стоять хорошо отлаженный инженерный процесс, который позволяет сотрудникам не тратить время на рутинные операции. К примеру, в разработке ПО есть инженерная практика DevOps, которая занимается автоматизацией процесса поставки ПО, начиная от сборки и заканчивая передачей в промышленную эксплуатацию.

Для Data Science проектов DevOps применять сложно, так как весь инструментарий нацелен на работу с исходными кодами, а в аналитических проектах есть еще одна неотъемлемая составляющая – данные. Долгое время не существовало хороших систем для версионирования данных, а это важно, так как в Data Science проектах используется большое количество взаимосвязанных стадий обработки данных. Версионирование данных важно и для экспериментальной части проекта, где нужно обеспечивать воспроизводимость каждого эксперимента. Также большой проблемой является фиксация результатов экспериментов. К примеру, специалист по анализу данных может осуществлять сотни экспериментов в неделю. Через месяц работы становится невозможно определить, какие результаты значимые, а какие нет.

Для решения этих задач стали разрабатываться специализированные системы трекинга экспериментов и контроля версий данных. Далеко не все команды знают и умеют применять эти инструменты, что отрицательно сказывается на проектах. При этом важно не только использовать инструменты, но и связать их в единый инженерный процесс.

CNews: Что ждет данную технологию в будущем? Что может ее заменить?

Кирилл Дубовиков: Сейчас мы находимся на стадии использования слабого искусственного интеллекта (Weak Artificial Intelligence) – алгоритмов, решающих когнитивные задачи. Например, простые способности человека – распознавание объектов на изображении или речь. Но на этом возможности алгоритмов не ограничиваются. К примеру, с их помощью можно решать задачи, которые человеку не под силу: вычислить взаимосвязи в данных, в которых множество таблиц и колонок, найти шаблоны принятия решений и обобщить их. На выводы, которые человек будет делать месяцы или годы, рутинно обрабатывая тысячи строк данных, машина потратит секунды. Разумеется, данные технологии еще далеки от истинного искусственного интеллекта (Strong Artificial Intelligence) – компьютерной системы, способной мыслить и рассуждать как человек. Реализация истинного ИИ все еще принадлежит к области научной фантастики.

Область продолжает развиваться, ученые открывают способы решения новых задач и улучшают качество решений уже работающих алгоритмов. Многие технологии уже давно вышли на уровень, способный приносить пользу бизнесу. Тем не менее, степень внедрения этих технологий все еще низкая, во многом из-за того, что дисциплина анализа данных еще не успела полностью превратиться из науки в ремесло. Мы в «Синимекс Дата Лаб» учавствуем в процессе индустриализации анализа данных и машинного обучения для того, чтобы с каждым годом все больше компаний могли извлекать пользу из данных.

 Публикация размещена на сайте CNews.ru 

Проектный менеджмент: адаптация и интеграция

01.11.2019

Директор по управлению проектами компании «Синимекс» Евгений Судариков рассказал изданию IT Manager об использовании VSM подхода при реализации сложных ИТ проектов.

Реализация ИТ проекта – это сложный процесс, на который вендоры и заказчики смотрят с разных позиций. Различающееся видение приводит к недостаточному взаимопониманию, которое возникает в ходе работы, и затягиванию сроков.

Для компании «Синимекс», как интегратора ИТ-решений, важно, чтобы от идеи, которая возникла в голове у заказчика, до работоспособного решения прошло как можно меньше времени. Но как это сделать, когда проектная команда сталкивается с разным восприятием целостной картины и отсутствием отработанных процессов взаимодействия?

По существу, ИТ проект – это процесс создания общего знания. В начале работы присутствует высокая неопределенность: вендор имеет весьма размытое представление о задачах (да и сам заказчик порой не до конца представляет конечный результат). С другой стороны, заказчик слабо представляет себе возможности технологии или решения, предлагаемого вендором. ИТ компании хотят понимания, что конкретно требуется клиенту, и как качественно выполнить объем задач в рамках обозначенных сроков, заложенного бюджета и прочих ограничений.

Такое положение дел свойственно отрасли давно. На практике это наносит урон, в первую очередь, бизнес-заказчикам, которые вынуждены пользоваться несовершенными продуктами.

В современном мире все большее значение имеет скорость поставки ценности для бизнеса, когда важно быстро реагировать на меняющийся рынок и повышать конкурентоспособность. ИТ отрасль, которая давно уже разделяет lean идеологию и философию, способна реализовать проекты в сжатые сроки. Для бизнес-заказчиков, которых нужно погружать в процесс, lean инструменты, как правило, не понятны. Наши клиенты – это люди с высокой квалификацией в своей предметной области.

Автоматизация (CI) помогает сократить время на стороне разработки, но у заказчика существуют определенные регламентные правила, сложные маршруты согласований и не гибкие правила безопасности, которые задерживают запуск готового решения. Крупные заказчики из финансовой сферы имеют еще более сложную специфику ввиду особых внутренних правил. Многие процессы они не привыкли отдавать на аутсорсинг, а те проекты, которые внедряются извне, запинаются о невозможность погрузиться в закрытый мир банка.  

Когда мы в сжатые сроки готовы передать поставку, а заказчик может протестировать решение в один конкретный день, в который, помимо нас, параллельно тестируется еще N количество релизов, мы попадаем в режим ожидания. Поставка ценности бизнесу откладывается, пока не закончатся тестирования предыдущих задач, и наше решение не возьмут в работу.

Иногда согласование некоторых проектов на стороне заказчика занимает настолько много времени, что за этот срок, например, меняется регуляторная среда или смещаются бизнес приоритеты, а половина проделанной работы отправляется в корзину.

Если сейчас во главе угла стоит достижение бизнес-ценности в максимально короткий срок, то проектной команде необходим простой и понятный подход, который позволяет с самого начала увидеть картину целиком: как устроены текущие процессы в компании, что в них улучшить для эффективной реализации проекта или, возможно, выявить потребность в разработке новых.

Предлагаю рассмотреть ситуацию на примере одного из наших клиентов: несмотря на существенные улучшения в области ИТ процессов (быстро развертываемые виртуальные среды, выстроенный Continues Integration, тесная коллаборация development и operations), время, выделенное на внедрение очередной бизнес-инициативы, оставалось по-прежнему неприемлемо большим.

Тогда коллеги посмотрели на ситуацию несколько шире. Они проанализировали шаги процесса с момента возникновения задачи до развёртывания в промышленной среде (включая стадии согласования, контрактинга, участия вендоров и тд.) и трансформировались из обособленных департаментов в команды, полностью сосредоточенные вокруг построения потока ценности.

В качестве подхода, способного дать наглядную картину процесса, выбрали Value Stream Mapping (VSM). VSM позволяет собрать полную и наглядную информацию о состоянии бизнес-процессов, что помогает эффективно вырабатывать способы их оптимизации.

img


В процессе работы с вышеупомянутым заказчиком мы быстро погрузились в VSM подход, который способен объединить команду заказчика и разработчиков для реализации сложного и масштабного проекта в максимально короткий срок. Понятный язык визуализации, как раз, хорошо проецируется на язык ИТ разработчиков.

В данном подходе используется карта создания потока ценности (рисунок 1) – это схема, изображающая каждый необходимый этап продуктового и информационного потоков для выполнения доставки ценности клиенту.

Карту VSM можно нарисовать как на бумаге, так и используя специальные программы визуализации. В построении принимают непосредственное участие все вовлеченные члены команды проекта.

Например, в упрощенной карте создания ценности для разработки ПО должны быть отражены: требования клиента и возможности поставщика; информационный и продуктовый потоки; сведения о количестве процессов и команд; время выполнения каждого шага процесса; время, необходимое на подготовку к началу работ; шкала длительности производственного цикла и времени обработки.

Процесс потока ценности не требует специфических знаний: ни технических, ни проектного управления. Визуализацию доставки ценности бизнесу составляют не внешние аудиторы, а команда сотрудников, так или иначе вовлеченных в процессы и на стороне заказчика, и на стороне ИТ вендора. При этом существует несколько подходов к описанию процессов: как видит его менеджер; как он должен работать в соответствии с инструкциями и регламентами; каким является сейчас; и каким должен быть.

Основная задача при создании VSM карты – описать как именно сейчас работает процесс. Команда проекта проводит интервьюирование на рабочих местах, и узнает, как на самом деле, а не по инструкции, выполняются задачи; в какие сроки, кто задействован в процессе; и какими будут следующие шаги. Успех использования VSM зависит от наличия доверия в компании между сотрудниками, которое позволяет видеть реальное положение дел.

Собрав необходимую информацию, её наносят на карту, начиная с конца процессной цепочки.  Так у проектной команды появляется общее видение картины, после начинаются расчет эффективности создания ценности, процесс выявления потерь, препятствий достижения целевой эффективности и возможностей для улучшения. Выдвигается гипотеза, как именно ускорить доставку ценности бизнесу. Гипотеза может как сработать, так и не привести к ожидаемым результатам, но, в любом случае, проектная команда одинаково видит «bottle necks» и стремится их исправить, предлагая варианты по улучшению процесса. Когда гипотеза принесла положительный результат, и поток ценности ускорился, то возникает новая задача («bottle neck»), которую нужно решить, ведь процесс VSM является непрерывным.

Подобные «bottle necks» в процессе поставки ценностей выявляются в самых разных местах. Это может быть стадия технического ревью предлагаемого решения; тим.лид со стороны заказчика; ожидание освобождения тестовых сред для развертывания нового релиза; или доступность бизнес пользователей, ответственных за проведение UAT.

При использовании VSM в реализации сложного проекта нам удалось сократить время с момента возникновения запроса от бизнеса до момента непосредственной имплементации функционала в промышленной среде. После проведенных работ над проблемными стадиями текущего процесса «Time to Market» уменьшился более чем на 20%. И процесс оптимизации еще продолжается. Такие показатели отвечают интересам бизнес-заказчика и повышают эффективность наших проектных команд. Это отражается в количестве сэкономленного времени и трудозатрат, и является показательной практикой адаптации специалистов компании «Синимекс» к удобным для заказчиков методам работы.

Приведенный мною пример удачной коллаборации заказчика и вендора при помощи выстраивания потока ценности – это уже больше, чем проектная деятельность. Каждый проект подразумевает наличие даты начала и завершения, ограниченный круг задач, рассчитанный бюджет и ресурсы. Зачастую, цель такой деятельности его успешное завершение. Когда команда строится вокруг VSM, и обеспечивается непрерванная поставка ценности – это уже больше продуктовый подход. Это значит, что целью является не просто завершение проекта, а непрерывное развитие и рассмотрение потребностей клиента в более долгосрочном периоде.

Использование подобных подходов позволяет заказчикам и вендорам двигаться навстречу друг другу, лучше понимать потребности и особенности внедрения, сокращать «Time-To-Market», и тем самым быстрее доставлять бизнес-ценности для клиентов.



Открытые банковские API — абсолютно инженерная практика

26.08.2019
Газпромбанк (АО) одним из первых в России начал работать с открытыми API, позволяющими сторонним компаниям из разных секторов и с любым оборотом бизнеса подключаться к сервисам банка. Проект был реализован при участии системного интегратора «Синимекс» в невероятно сжатый срок — всего за два месяца. Как удалось этого добиться и какие сложности пришлось преодолеть, а также о планах по развитию проекта рассказывают начальник Департамента информационно-технологических инноваций Газпромбанка Екатерина Фроловичева и менеджер по работе с ключевыми клиентами компании «Синимекс» Ольга Махаёва.

Для начала давайте поясним, что такое открытые API и почему банки начали работать с ними?

Екатерина Фроловичева: Банки имеют набор систем внутри себя. Для людей снаружи банк — это крепость, окруженная рвом и «мостиком» к ней, пройти по которому могут только те, кого ждут. При этом в России несколько сотен банков и все они стремятся привлечь клиентов, повысить уровень проникновения продуктов и быстро охватить достаточный объем рынка или найти свою уникальную нишу.

Основные каналы банков для общения с клиентами — отделения, мобильные приложения, веб-приложение и сайт. Однако, согласно статистике, люди чаще ищут информацию о банках и их продуктах не на сайтах банков и в приложениях, а через агрегаторы и поисковые системы. Чтобы интегрировать поиск информации в разных каналах, банку нужно объяснить внешнему миру, что у него есть система, а внутри нее сервис, позволяющий доставить продукты в любой сторонний канал. Это делается через открытые API.

Благодаря открытым API «мостик» можно проложить к сторонней организации, которая решит одну из двух банковских проблем. Первая — привлечь клиента. Вторая — переиспользовать имеющуюся инфраструктуру для доставки своих продуктов. Второй подход выбирают банки, которым главное — зарабатывать на продуктах, а конечной точкой обслуживания клиентов может быть другая организация. Обычно это стартап, желающий пользоваться банковской инфраструктурой, не получая банковской лицензии.

В какие сроки удалось реализовать проект?

Екатерина Фроловичева: Мы начали проект в октябре 2018 года и завершили первый этап уже через два месяца — в декабре 2018 года.

За счет чего получилось все сделать настолько быстро?

Екатерина Фроловичева: Когда идея только зародилась, у нас практически не было собственных ресурсов для ее реализации — в штате имелся лишь один архитектор и ни одного специалиста по продукту. Мы изучили средства и представленные на рынке продукты для взаимодействия с третьими сторонами через открытые API. Посмотрели на игроков, попавших в квадрант Gartner (Гартнер), описывающий инструменты интеграции и взаимодействия через API. Большинство из них живет в модели облачного gateway (гейтвей), и поэтому мы их пока не рассматривали.

Помимо функциональных и технических характеристик конкретного продукта, для нас не менее важным было наличие компетенции на рынке по практической работе с ним, которую можно внедрить, растиражировать и использовать на регулярной основе. Мы руководствовались целым рядом параметров, а именно: наличие компетенций и опыт реализации требований к enterprise-архитектуре (ентерпрайз-архитектуре) и информационной безопасности, невысокая трудоемкость сопровождения, обеспечение совместимости и обратной совместимости с текущим ландшафтом. Не менее важную роль при выборе системного интегратора играло наличие реализованных проектов. В итоге в качестве платформы для построения решения был выбран продукт IBM API Connect, а его внедрение в банке мы безоговорочно доверили компании «Синимекс».

Какие задачи решал «Синимекс» в этом проекте?

Екатерина Фроловичева: Мы активно взаимодействовали с коллегами из «Синимекс», которые предоставили нам весь спектр специалистов, начиная от аналитики и заканчивая специалистами с глубоким пониманием ИТ-инфраструктуры банка.

 

Ольга Махаёва: Вместе с коллегами из Газпромбанка мы прошли путь полностью — специалисты «Синимекс» решали задачи, начиная с проектирования архитектуры решения, разработки API, тестирования и до создания комплекта документации для запуска системы в эксплуатацию в соответствии с требованиями к информационной безопасности. Коллеги из банка оказывали организационную и административную поддержку, в результате чего запустить систему в эксплуатацию удалось в предельно короткий срок.

Как выстраивалась работа с открытыми API и заказчиками?

Екатерина Фроловичева: Очень быстро у нас стали появляться бизнес-заказчики, которых мы не ждали раньше марта 2019 года. Они стремились побыстрее интегрироваться с агрегаторами «Банки.ру» и «Сравни.ру» для запуска заявок на кредитные карты. В марте был доработан сайт банка. Это оказалось хорошей пробой пера для выстраивания end-to-end (сквозного) процесса, в котором каналом выступал сайт ГПБ и имелась система, выдававшая бланк заявки на кредитную карту, и все это мы пропустили через наше решение. Так получилось комплексное решение, а дальше уже пошло по накатанной.

У нас пока нет классической модели работы с открытыми API, позволяющей на портале ознакомиться с правилами, авторизоваться, подключиться, получить подтверждение своей авторизации и начать пользоваться сервисами. Мы под каждую задачу проводим отдельный проект мини-интеграции со всеми вытекающими артефактами. В истории с открытыми API активно участвуют специалисты в области защиты информации, имеющие неоспоримый набор четко соблюдаемых требований. Мы, в свою очередь, выступаем как «оппоненты», прокачавшие навыки в соединении экономики и открытых банковских API. С каждой интеграцией мы идем по пути создания документов, сопровождающих ее. Этот процесс теперь налажен благодаря коллегам из «Синимекс».

С какими сложностями вы столкнулись в процессе подготовки проекта и его запуска?

Екатерина Фроловичева: Самые сложные задачи лежали не в плоскости наличия компетенции, а в преодолении внутренних барьеров и получении акцепта на стороне бизнес-заказчика — требовалось показать, какую конкретную пользу приносят открытые API и какой инструментарий дают.

Ольга Махаёва: С учетом многолетнего опыта работы «Синимекс» с Газпромбанком на старте проекта особых сложностей не возникло — было понятно, что и как нужно делать. Особенного внимания потребовали приемо-сдаточные испытания решения на соответствие требованиям к информационной безопасности: во-первых, сам продукт, на котором построено решение, для банка был новый, во-вторых, решение предназначено для предоставления сервисов, реализованных во внутренних системах банка, во внешний мир, из-за чего к нему предъявляются особенно строгие требования.

Разработанные вами сервисы универсальные, ими могут в будущем пользоваться компании из других секторов?

Екатерина Фроловичева: Нам начали приходить запросы от среднего бизнеса о помощи в дистрибуции и передаче банковских гарантий. Этот сервис востребован для электронно-торговых площадок — для участия в тендере компании должны предоставить банковскую гарантию. С внешней торговой площадкой удобно работать через шлюз API и управлять всем в режиме, аналогичном управлению заявками на кредитные карты, потребительские кредиты и ипотеку. Это дает основание верить, что история с API подходит не только для розницы, которая первой заговорила об этом. Например, ее также можно масштабировать на кредитные продукты для корпоративных клиентов.

Газпромбанк является учредителем и участником Ассоциации Финансовых Технологий, организованной три года назад под эгидой ЦБ. В ней есть рабочая группа по открытым API, в рамках которой появилась версия концепции развития банковских открытых API на российском рынке. Возникла первая спецификация — запросы остатков по счетам и платежи в пользу физического лица. Если эта история срастется, то банки приведут к единому знаменателю спецификации своих сервисов и выстроят back-end (бэкенд) так, чтобы унифицировать состав таких полей, как применяемая модель данных, размерность, формат и логика. Тогда на рынке появятся универсальные сервисы банковских продуктов.

Приходящие в банки стартапы питают иллюзии о том, что они получат доступ ко всему и их пилот взлетит. На деле в банках зачастую нет инфраструктуры для соединения с мелкими компаниями, желающими что-то прикрутить. Сейчас все очень кастомизировано. Есть скелет, и под него все время дорастают ребра, которых изначально не было в конфигурации, иногда какое-то ребро нужно выломать. Например, заявка на кредитную карту в разных каналах каждый раз проходит со своими маленькими доработками. Я бы дала еще года два, не меньше, чтобы дорасти до универсальности. При этом большинству банков нужно идти по опробованной нами схеме.

А есть разница в выстраивании работы с компаниями малого, среднего и крупного бизнеса?

Екатерина Фроловичева: Нужно четко представлять себе бизнес-процесс и понимать, как будут выглядеть сценарии глазами конкретного клиента. В идеальной картине мира сначала опрашиваются люди — будущие потребители конкретного продукта. Неважно, маленький клиент или большой, вовлеченность всех людей, влияющих на процесс производства и доставки продукта, должна быть максимальной. Эта история охватывает все аспекты — от психологии потребления до грамотно выверенной технической составляющей. Без этого будет сложно и маленькой, и большой организации.

Как вы обеспечиваете безопасность передаваемых данных?

Ольга Махаёва: Безопасность и защищенность передаваемых данных и самой системы — вопрос особенно актуальный для решений подобного класса. Часть требований, предъявляемых к системе с точки зрения информационной безопасности, покрывалась функционалом продукта IBM API Connect «из коробки». Дополнительно к этому пришлось выполнять настройки системы в соответствии со специфичными требованиями банка и интегрировать ее в уже существующую инфраструктуру систем, обеспечивающих информационную безопасность.

Как вы планируете развивать проект?

Ольга Махаёва: На первом этапе проекта важно было показать на «живом» примере, как работают открытые API в банке, поэтому в эксплуатацию систему запускали с некоторыми нефункциональными ограничениями. Несмотря на это, сейчас решение позволяет выдержать серьезную нагрузку. С учетом будущего подключения новых партнеров и прогнозируемого роста числа сервисов мы планируем перейти на новую версию продукта IBM API Connect и привести систему к целевой архитектуре, обеспечив масштабируемость и катастрофоустойчивость.

Екатерина Фроловичева: Сейчас, при переходе на новую версию продукта, важнее всего обеспечить его универсальность. Мы стремимся, чтобы команда, разрабатывающая API как инструмент, оказывала консультационные услуги, а специалисты банка могли сами обеспечивать сопровождение и поддержку. Главное, чтобы инструмент был максимально богатым и понятным для команд, обслуживающих продуктовые фабрики. Тогда дело пойдет как по накатанной. Мы планируем сделать так, чтобы процесс подключения через API работал по шаблону в том числе и для службы безопасности — тогда каждый проект не будет изучаться через двойные линзы. В идеале хотелось бы видеть единый сервисный портал, который позволит не держать на каждую интеграцию свою архитектуру и каждый раз проходить все с нуля. Как в облаке можно собирать образ системы, так же должна быть отстроена работа с API. Ведь открытые API — это абсолютно инженерная практика.

Статья в ИД "КоммерсантЪ" по ссылке

 


Решениe: Предоставление открытых интерфейсов

Альфа-Банк и Синимекс перспективы открытых API в разрезе успешного банковского продукта

19.08.2019

В августе 2018 года Альфа-Банк и компания «Синимекс» запустили ресурс для партнеров программы лояльности банка Alfa Travel, позволяющий им использовать открытые API. О том, что требуется для реализации подобных проектов и какие новые возможности они открывают перед участниками рынка, журналу «ПЛАС» рассказывают Сергей Брынин, руководитель дирекции процессинга, Даниил Поколодный, руководитель дирекции развития бизнеса в партнерском канале розничного бизнеса Альфа-Банка, а также Павел Мышев, заместитель директора по работе с ключевыми клиентами компании «Синимекс».


ПЛАС: Каковы перспективы развития открытого банкинга в России? Какие онлайн-сервисы видятся наиболее перспективными для банков с точки зрения API-интеграции?

С. Брынин: Интерес финансового рынка к направлению развития открытого банкинга в России достаточно высок. Это подтверждается постоянно возрастающими объемами публикаций на данную тематику и новыми открытыми интерфейсами, постоянно создаваемыми участниками рынка. Так, Банк России включил развитие открытых интерфейсов в «Основные направления развития финансового рынка РФ на период 2019–2021 годов» в качестве одного из приоритетных направлений и мер для развития конкуренции на финансовом рынке. Организационно-технологические и правовые меры, которые планируется реализовать, и ведущий мировой опыт развития открытого банкинга, безусловно, будут способствовать положительной динамике развития открытых интерфейсов взаимодействия. С учетом ряда особенностей российского рынка наиболее перспективным подходом для развития является учет мнения и конъюнктуры рынка с «мягким» регулированием и мониторингом со стороны регулятора. Что касается наиболее востребованных сервисов – их можно разделить на два больших класса: информационные и операционные. Последние позволяют в режиме реального времени (или близком к нему) осуществлять различного рода операции. Среди востребованных информационных сервисов – получение данных о различного рода услугах, продуктах, тарифах и пр.; проведение удаленной идентификации и аутентификации пользователей, осуществляющих платежи и переводы; работа с нефинансовыми сервисами, программами лояльности и т. п. Причем этот список постоянно расширяется.

Сергей Брынин:
«Мы планируем развивать платформу открытого банкинга, предоставляя клиентам удобные и понятные сервисы»

ПЛАС: В России направление открытых API пока находится только в начале своего развития. Как вы видите в дальнейшем развитие этого направления? Как ваша компания работает в условиях текущих реалий рынка?

П. Мышев: Все зависит от проекта и конкретных деталей реализации. Решения, позволяющие реализовывать концепцию открытых API для интеграции с внешними партнерами, существуют не первый год. Однако, если раньше это были какие-то небольшие собственные разработки, то сегодня на рынке уже представлены промышленные платформы от ведущих вендоров, на которые активно мигрируют банки. Компания «Синимекс» имеет огромный опыт в работе с крупнейшими мировыми вендорами, в т. ч. и с технологиями, которые способны решить задачи по реализации открытых интерфейсов. В подобных проектах мы уделяем особое внимание первому этапу, а именно сбору требований заказчика к проектируемой системе, вопросам информационной безопасности. В проектируемых решениях всегда предусматривается возможность подключения в будущем к платформе новых партнеров.

ПЛАС: Насколько важна сегодня интеграция для онлайн-сервисов с АБС и почему? Что необходимо предпринять участникам проекта на всех этапах его реализации, чтобы сделать его максимально успешным?

С. Брынин: 21 век – время онлайн, когда важны уже не дни или недели, как ранее, а минуты или даже секунды. Сегодня уже никто не привык ждать – клиенты хотят получать услуги 24x7 «здесь и сейчас» в любой точке мира. Это одно из конкурентных преимуществ, которое в совокупности с открытостью интерфейсов и наличием открытого банкинга превращается в конкурентное превосходство. Основа любого успешного решения – четкая и прозрачная бизнес-логика, точная технологическая реализация и, конечно же, слаженная команда, которая способна реализовать любые амбициозные цели.

Данил Поколодный:
«С помощью travel.alfabank.ru люди активно бронируют авиа- и железнодорожные билеты, отели. Число пользователей сайта растет»

ПЛАС: Как происходили разработка и реализация проекта Alfa Travel?
Д. Поколодный: Задача заключалась в том, чтобы предоставить клиентам сервис по бронированию туристических услуг с возможностью оплаты баллами лояльности с карты Alfa Travel. Нам нужно было найти совместный способ, позволяющий обмениваться данными, накапливать баллы и оплачивать ими приобретаемые у нас туристические услуги. Это очень интересный и амбициозный проект. Полный цикл его реализации занял всего 2,5 месяца. Когда речь идет о том, чтобы предоставить клиентам возможность оплачивать покупку частично деньгами, частично баллами, реализация проектов, как правило, занимает довольно много времени. Однако предложенный простой интерфейс позволил успешно запустить проект очень быстро. Важно, что эта простота применена отнюдь не в ущерб надежности и безопасности. Используемые в проекте технологии защищают как банк, так и клиента. Проект запущен в мае 2018 года. На первом этапе запуска программы была реализована возможность использования миль при покупке билетов, потом мы добавили отели и железнодорожные билеты. Совсем скоро запустим комплексные предложения: «отель плюс перелет» (общая стоимость будет существенно выгоднее). Следующий шаг – удобное мобильное приложение с элементами социальной сети для участников программы, в котором можно будет забронировать перелет, проживание и ужин в ресторане, отследить маршруты друзей, поделиться отзывами и прочитать отзывы других путешествующих. Также мы планируем добавить услуги консьержа, который поможет участникам Alfa Travel вызвать такси, предложит культурную программу на месте и подскажет маршрут экскурсии. Сегодня с помощью туристического сайта travel.alfabank.ru люди активно бронируют авиа- и железнодорожные билеты, отели. Число пользователей сайта с каждым днем растет.

Павел Мышев:
«Мы уделяем особое внимание сбору требований заказчика к проектируемой системе и вопросам информационной безопасности»

ПЛАС: Какой фронт работ реализовала ваша компания в проекте Alfa Travel? Есть ли у «Синимекс» другие успешные кейсы открытых API?
П. Мышев: В партнерстве с Альфа-Банком компания «Синимекс» спроектировала и реализовала интерфейсы открытых API, сделала соответствующие доработки на отрезке от API до процессинга. Системы процессинга банк дорабатывал самостоятельно. После успешного тестирования был осуществлен запуск проекта в промышленную эксплуатацию. Стоит отметить, что это далеко не единственный API-продукт компании «Синимекс» и Альфа-Банка. Помимо ресурса для партнеров программ-лояльности OpenLoyalty для работы с бонусными картами, на API-портале Альфа-Банка https://api.alfabank.ru потенциальные партнеры могут ознакомиться с документацией, протестировать и впоследствии использовать такие продукты, как Единый сервис проверок, который позволяет выполнять единовременно различные проверки физических либо юридических лиц на благонадежность; сервис для приема потенциальных клиентов от различных партнеров банка или API, который позволяет выполнять выдачу микрозайма на предоплаченную карту для микрофинансовых организаций (МФО).

ПЛАС: Назовите главные преимущества Alfa Travel.
Д. Поколодный: В первую очередь это абсолютно прозрачная система начисления миль. Мы предложили очень простые и понятные условия для клиентов – 1 миля равна 1 рублю. Накопив 7000 миль, клиент понимает, что на его счете 7 тыс. рублей. В зависимости от статуса карты владелец карты получает милями до 5% за все покупки и до 11% за покупки авиабилетов или бронирование отелей на сайте Alfa Travel. Покупая на сайте, клиенты могут еще быстрее накопить на следующую поездку. Это основное отличие программы Alfa Travel от существующих на рынке – аналогов на рынке сегодня нет. Хочется упомянуть еще одно достоинство Alfa Travel – можно легко пользоваться одной картой с доступом к счетам в разных валютах, «переключая» счета самостоятельно в мобильном банке, без обращения в отделение.
ПЛАС: Насколько сложен и долог процесс технической интеграции банка и партнера в такого рода проектах?

П. Мышев: Каких-либо средних временных величин здесь нет. Принимая решение развивать открытые API, банк выбирает платформу, на основе которой будет реализован проект. Наша компания может предложить банку свою экспертизу по созданию открытых API и в последующем осуществить заказную кастомизированную разработку этой системы. Для реализации проектов с открытыми API желательно наличие партнеров, которые уже готовы использовать эти возможности. Компания «Синимекс» не предлагает какой-то определенный готовый коробочный продукт, а выполняет весь спектр работ по интеграции программной инфраструктуры, включая консультации по выбору наиболее подходящей платформы, сбор требований, разработку целевой архитектуры, создание, тестирование, внедрение и сопровождение интеграционного решения. Также необходимо понимать, что интеграционная платформа универсальная и не может быть заточена на что-то одно. Поэтому каждый банк тщательно примеряет существующие возможности к своим задачам. То, что хорошо и удобно одним, другим может не подойти, поскольку они изначально работают с иными решениями, у них экспертиза в других областях или технологиях другого конкретного поставщика.

В «песочнице» партнер может создать свое тестовое приложение и посмотреть, как оно будет работать с открытыми API банка

ПЛАС: Немаловажным аспектом являются вопросы, связанные с безопасностью данных. Кто ответствен за это направление, каким образом осуществляется процесс защиты?
С. Брынин: Вопросы безопасности всегда имеют комплексный характер и должны рассматриваться с различных аспектов. Существует нормативная база, регуляторы, которые контролируют выполнение отдельных положений по защите персональных данных, банковской и коммерческой тайны, карточных данных и пр. На каждом из этапов проекта, на каждом шаге проектирования межсистемного взаимодействия выявляются потенциальные риски и вырабатываются меры по минимизации этих рисков или их полному предотвращению. Таким образом, ответственность лежит на каждом, кто причастен к процессу. Только согласованное выполнение необходимых и достаточных требований по обеспечению безопасности на всех уровнях развертывания открытого интерфейса, включая бизнес-сценарии и описания, понимание и реализацию граничных условий, позволяет организовать эффективную защиту и обеспечить приемлемый уровень безопасности передаваемых и обрабатываемых данных.

ПЛАС: Возможно ли использовать открытые API, реализованные для проекта Alfa Travel, другими партнерами, и какие технические аспекты при этом они должны учитывать?
П. Мышев: Да, это возможно. В «песочнице» партнер может создать свое тестовое приложение и посмотреть, как оно будет работать с открытыми API банка. У каждого продукта есть свой набор API. Они спроектированы заранее, и их структура не меняется. Например, для начисления баллов есть набор определенных атрибутов: кому принадлежат баллы, сколько их и т. д. Для работы с этим продуктом разработаны API и документация, которая их описывает. Если партнеру требуется более расширенный набор функций или атрибутов, тогда API дорабатывается с учетом этих задач.

ПЛАС: Роль софтверных технологических компаний на современном рынке. За счет чего ваша компания выигрывает в сложной конкуренции?
П. Мышев: Информационные технологии давно перестали выполнять только лишь вспомогательные функции, это не просто основа для бизнеса, это гораздо более широкое понятие. В связи с этим возрастает роль технологических компаний, которые помогают бизнесу предлагать эффективные решения, быстро и качественно интегрировать их в бизнес-процессы. В нашем портфеле: интеграционные решения, разработка Enterprise-решений на микросервисной платформе, предоставление открытых интерфейсов, разработка и внедрение продуктов на базе распределенных реестров, автоматизация жизненно важных бизнес-процессов на промышленных платформах BPM, а также использование ведущих методик в части управления проектами. Экспертиза и штат сертифицированных специалистов позволяют компании «Синимекс» предоставлять на рынке качественный сервис по всем вышеперечисленным направлениям.

ПЛАС: Каковы дальнейшие перспективы развития открытого банкинга?
С. Брынин: В целом мы и в дальнейшем планируем развивать платформу открытого банкинга, предоставляя клиентам удобные и понятные сервисы, прозрачные и безопасные условия взаимодействия. Что касается сложностей, то да, определенные затруднения, конечно, были, но нельзя сказать, что они стали непреодолимыми или являлись стоп-фактором. Поиск альтернативных путей, пересмотр алгоритмов, подходов и методик всегда были факторами преодоления любых проблем на любых уровнях.

Как эффективно изучать языки программирования? Отвечают эксперты

09.07.2019
В Сети сейчас очень много обучающих курсов, статей, видео и прочих ресурсов, которые призваны помочь в изучении того или иного языка программирования, и каждый из них советует свою программу обучения. Какой алгоритм самый эффективный? Спрашиваем у экспертов.

Андрей Степанов, руководитель отдела интеграционных решений компании «Синимекс»:

Вопрос достаточно сложный. Нельзя выбирать между теорией и практикой, должна быть гармония. Нужно учить синтаксис и понимать алгоритмы и основы. При этом без практики эти знания не имеют ценности. Нужно чередовать — прочитали некоторую часть, затем опробовали на практике. При этом, на мой взгляд, совсем не обязательно покупать платные подписки на курсы. Очень много материалов есть в открытом доступе. Большое количество интересных практических задач можно получить, задав в Google вопрос «олимпиадные задачи по программированию». На них вам придётся поискать и почитать теорию про алгоритмы, их сложность, структуры данных и прочее. При этом они дают возможность писать свой код, и потом при разборе увидеть свои ошибки и варианты решения из best practice.
Как только почувствовали уверенность — нужно браться за боевые задачи, чтобы увидеть реальный мир и реальные проблемы. Зачастую в учебнике и обучающих задачах многие сложные и интересные практические моменты пощупать не получится. Начните писать свой проект на GitHub. Ещё очень важный момент: ваш шанс на успех сильно повысит наличие ментора — более опытного друга/коллеги/наставника, который может помочь, если у вас «затык», что-то объяснить, проверить результат вашей работы и дать правильный вектор вашему развитию. Никогда не останавливайтесь на достигнутом. Удачи.

Подробности в публикации tproger.ru