1. Баланс разработки
и продвижения
наукоѐмких
продуктов
на примере ПО для анализа данных
Евгений Николаевич Павловский, к.ф.-м.н.
старший преподаватель ФИТ НГУ

2. Принцип конкурентного сходства
FRiS
A B C
A B D
?
A B

3. Первые шаги – продажа
алгоритмов
1. Команда
2. Идея, лежащая в основе имеет мощную научную базу – успех
гарантирован!
3. Создаѐм библиотеку алгоритмов и продаѐм
4. Все счастливы!

4. Первые шаги – продажа
алгоритмов
1. Команда
2. Идея, лежащая в основе имеет мощную научную базу – успех
гарантирован!
3. Создаѐм библиотеку алгоритмов и продаѐм
4. Все счастливы!
Проблема:
- клиенты не мыслят категориями анализа данных
- клиентам не понятны отличия одной научной разработки от другой
научной разработки
Это поймут ок.10000 человек
Примерно 4 000 чел./час.

5. Второй шаг – нишевое решение
1. Ищем клиента (ННИИПК им. Е.Н. Мешалкина)
2. Вникаем в предметную область клинического и управленческого
процесса
3. Используя свои наработки создаѐм ИТ-продукт на рынке ИТ в
здравоохранении – рассчитываем на средства программы модернизации
здравоохранения (24 млрд.руб.)

6. Второй шаг – нишевое решение
1. Ищем клиента (ННИИПК им. Е.Н. Мешалкина)
2. Вникаем в предметную область клинического и управленческого
процесса
3. Используя свои наработки создаѐм ИТ-продукт на рынке ИТ в
здравоохранении – рассчитываем на средства программы модернизации
здравоохранения (24 млрд.руб.)
Проблемы:
- очень узкая специализация, нужны годы опыта и репутация среди
медиков
- клиент ≠ тот, кто платит

7. Крайности – нелѐгкий выбор
?
A BПродукт Услуга
Усилия
Научная
предметная
область
Алгоритм
ы
Обслуживание
потребностей
клиента
Время
специалист
а

8. Выводы
Проблема клиента – это то, за что он заплатит (за него заплатят).
Решать проблему клиента в комплексе (в т.ч. рутина, множество работы
никак не связанной с наукоѐмким ПО).
Всѐ в комплексе не обязательно делать самому, надо привлекать
партнѐров, более компетентных в отдельных вопросах
(документооборот, бизнес-процессы).

9. Третий шаг
1. Оказание услуг по анализу данных
(в терминах конкретной пользы из собираемых данных)
2. Не только собственные методы анализа данных
Баланс:
- продукт и/или услуга – зависит от заказчика
- выверенный бизнес-процесс позволяет прогнозировать стоимость,
риски
- кооперация (аренда и сдача в аренду сотрудников)

10. Баланс
Продукт Услуга
Разработка своего Использование чужого
Улучшение продукта Улучшение сервиса
Сосредоточение на алгоритмах Сосредоточение на проблемах
клиента
Самостоятельность Интеграция
Все доходы нам Доходы - субподрядчикам
Предметная область математики Предметная область клиента
Риски клиент несѐт сам Мы несѐм все риски по внерению
Если какие-то вещи мы можем сделать лучше, это ещѐ не повод их делать

11. Решения: анализ данных
(expasoft.ru)
1. Библиотека алгоритмов FRiS.NET (версия 4.0) – методология FRiS,
научная школа профессора, д.т.н. Н.Г. Загоруйко (ИМ СО РАН).
Использование: встраивание в программный код.
2. Программный комплекс ОТЭКС-Про – рабочая среда для разработки
новых алгоритмов анализа данных (по заказу ИМ СО РАН). Имеет
простой графический интерфейс.
3. Облачная платформа STOLP по решению задач анализа данных:
классификация, таксономия, заполнение пробелов, выбор
информативных признаков, прогнозирование. Использование: SOAP,
API.
4. Прогнозирование фракционного состава сырой нефти.
5. Прогнозирование экспрессии генов.

12. Решения: медицина (xpss.ru)
6. Облачный сервис по управлению потоком пациентов. Хостинг в
Microsoft Azure. Принятие управленческих решений по
перераспределению квот высокотехнологичной медицинской помощи.
(Планово-экономический отдел ННИИПК им. Е.Н. Мешалкина)
7. Веб-сервис по планированию госпитализации на основе оптимального
планирования ресурсов. (Планово-экономический отдел ННИИПК им.
Е.Н. Мешалкина)
8. Веб-сервис по калькуляции неперсонифицированных медикаментов и
отнесении их на конкретную медицинскую услугу. (Финансово-
аналитический отдел ННИИПК им. Е.Н. Мешалкина)
9. Проект «Фактический полный тариф» - расчѐт полной себестоимости
всех медицинских услуг. (НИИ Физиологии и фундаментальной
медицины СО РАМН)

13. Решения: анализ данных -
медицина
10. Услуга по построению модели прогнозирования операционных
осложнений при нейрохирургических операциях. (Лаборатория
клинической физиологии ННИИПК им. Е.Н. Мешалкина)
Благодарю за внимание!