Генеральный директор Билайн Adtech Никита Фоминов выступил на форуме «Цифровые решения» в рамках сессии «Данные как фундамент готовности к ИИ», где 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.
О важности чистоты данных для решения задач
Никита Фоминов:
«Это как единая кнопка, которая сделает “хорошо”. В рекламе все попробовали такую историю: делаем копилот, нажимаем кнопку — всё запускается. Но эта история не работает. С данными похожая ситуация. Есть ли универсальная модель, в рамках которой можно вычистить все данные, подобрать их идеально? Если ты и заказчик, и исполнитель — возможно. А мы работаем на рынок, у нас заказчик внешний — это огромный объём разнообразных задач, которые декомпозируются под задачи с меньшим уровнем, а уже под это подбираются данные. Для ML-модели, к примеру, в целом чистота данных важна, но это не требование номер один. Главное, какой уровень прогнозирования дадут эти данные.
Плюс, наверное, я бы сюда ещё включил важное требование конфиденциальности. Даже из обезличенных данных — таких, например, как след в интернете — можно построить хорошую модель. То есть заострять внимание на качестве данных — это, наверное, всё-таки немного тормозить себя. Погрешность допустима, главное — смотреть на конечный результат решения бизнес-задачи».
О метриках качества продукта по управлению данными с элементами ИИ
«В этой части очень много метрик. Мы как платформа имеем внутренние метрики — то, как мы измеряем себя. Например, базовое прогнозирование цены закупки для клиента — это наша внутренняя метрика, которая потом выливается в конечную стоимость и эффективность для самого клиента, в данном случае рекламодателя.
Мы отталкиваемся, во-первых, от цифровых, экономических метрик, которые показывают эффективность закупки, во-вторых, от метрик, которые показывают, что получил клиент: качество, скорость запуска и так далее.
Плюс любой наш клиент оценивает свою финальную эффективность и результаты продвижения. Внутри — множество мелких KPI: эффективность, скорость, оптимизация, стоимость для клиента и так далее».
О процессах и культуре работы с данными
«Во-первых, нужны понятные регламенты работы с данными и доступов к ним. Во-вторых, важна ответственность человека, который принимает финальное решение. В-третьих, роли должны быть чётко распределены: кто работает с данными и над их качеством, кто работает над моделями, кто отвечает за бизнес-результат.
Финальная составляющая — это своего рода комитеты, которые регулируют правила. Главное, чтобы оценка эффективности такого комитета выражалась в том, как он влияет на эффективные бизнес-метрики — в частности на время работы (потому что без определённой скорости здесь сейчас можно сильно опоздать), на качество выполнения задачи, на количество ошибок.
Кроме того, важно вводить обучение ИИ и по возможности максимально предоставлять доступ к собственным моделям — чтобы всё было максимально внутри, и вопросы конфиденциальности не вставали. Весь процесс то — большая образовательная работа плюс доступ и разработка для собственных сотрудников и всего бизнеса».
