Никита Фоминов рассказал о работе с данными в ходе ИИ-трансформации
Генеральный директор Билайн Adtech Никита Фоминов выступил на форуме «Цифровые решения» в рамках сессии «Данные как фундамент готовности к ИИ». Он поделился опытом и мыслями о том, как можно грамотно построить работу с данными в ходе ИИ-трансформации. В дискуссии также приняли участие представители Минцифры России, Arenadata, Авито, ИТ-холдинга «Т1» и «БФТ», модератором выступил заместитель президента — председателя правления ПАО «Ростелеком» Дарий Халитов.
«Погрешность допустима, главное — смотреть на конечный результат решения бизнес-задачи».
Для ML-модели чистота данных важна, но это не требование номер один. Главное, какой уровень прогнозирования дадут эти данные. Важное требование — конфиденциальность. Даже из обезличенных данных, таких как след в интернете, можно построить хорошую модель. Заострять внимание на качестве данных — это тормозить себя.
В части метрик качества продукта по управлению данными с элементами ИИ есть много показателей. Платформа имеет внутренние метрики, например, базовое прогнозирование цены закупки для клиента. Это внутренняя метрика, которая потом выливается в конечную стоимость и эффективность для клиента-рекламодателя. Компания отталкивается от цифровых, экономических метрик, показывающих эффективность закупки, и от метрик, показывающих, что получил клиент: качество, скорость запуска. Любой клиент оценивает свою финальную эффективность и результаты продвижения. Внутри есть множество мелких KPI: эффективность, скорость, оптимизация, стоимость для клиента.
Для работы с данными нужны понятные регламенты работы с данными и доступов к ним. Важна ответственность человека, который принимает финальное решение. Роли должны быть четко распределены: кто работает с данными и над их качеством, кто работает над моделями, кто отвечает за бизнес-результат. Финальная составляющая — это комитеты, которые регулируют правила. Оценка эффективности такого комитета выражается в том, как он влияет на эффективные бизнес-метрики, в частности на время работы, на качество выполнения задачи, на количество ошибок. Важно вводить обучение ИИ и максимально предоставлять доступ к собственным моделям, чтобы всё было максимально внутри, и вопросы конфиденциальности не вставали. Весь процесс — это большая образовательная работа плюс доступ и разработка для собственных сотрудников и всего бизнеса.
Подписывайтесь на наш Telegram-канал, чтобы быть в курсе всех новостей и событий Рунета.
