Как эффективно внедрить аналитическую систему. Каковы основные секреты эффективного внедрения аналитической системы. Успешный анализ данных бизнеса с помощью BI.
Digital disruption, fourth industrial revolution, internet of things, smart contracts, big data, customer journey, fintech, smart city - all of them are parts of new reality, where biorithms exists. The king is attention, and everyone will keep their fight on it.
Capital according to Basel - Business ArchitectureAlexei Blagirev
Define Key principles on business architecture framework for Basel II / III implementation within Financial Institutions in Russia. Describes basic principles and key aspects on difference between Basel approaches.
Как эффективно внедрить аналитическую систему. Каковы основные секреты эффективного внедрения аналитической системы. Успешный анализ данных бизнеса с помощью BI.
Digital disruption, fourth industrial revolution, internet of things, smart contracts, big data, customer journey, fintech, smart city - all of them are parts of new reality, where biorithms exists. The king is attention, and everyone will keep their fight on it.
Capital according to Basel - Business ArchitectureAlexei Blagirev
Define Key principles on business architecture framework for Basel II / III implementation within Financial Institutions in Russia. Describes basic principles and key aspects on difference between Basel approaches.
This document discusses effective management reporting systems for banks to measure value creation. It proposes using a value measuring methodology (VMM) with three components: a value structure identifying key areas that create value for customers, society, operations etc.; a cost structure; and a risk structure. Key performance indicators (KPIs) should be linked to key risk indicators (KRIs) to integrate risk and performance management. Appendices provide examples of mapping KRIs against potential impacts; sources of risk and performance; the risk-performance cycle; and how KPIs relate to risk appetite and tolerance. The document advocates a holistic approach linking financial, operational and risk metrics to truly reflect how value is created and destroyed.
Defining the framework to open API for banking based on transactional banking approach for future integration on digital services outside of banks system
This document discusses a new perspective on data management called Just in Time analytics. It focuses on harvesting both structured and unstructured data from various sources to answer typical questions, identify anomalies, and support business processes and decision making. The key aspects involve data harvesting, treating data as a service, establishing a data market and using data science. The goal is to provide a situation room and reports to enable operational excellence through hypothesis validation and proactive anomaly detection.
Bank Insight - from Data to Insight new framework for Banking Analytics.
Материалы, которые были использованы на выступлениях
OSP BigData Forum, Breakpointforum, ACH ИТ в Финансовом Секторе
Here are the key points about projection segmentation in Vertica:
- Projection segmentation splits large projections into multiple segments and distributes those segments across database nodes for improved parallelism and high availability.
- The segmentation process randomly distributes rows of data across all available nodes using a hash function. This random distribution helps optimize query performance.
- Segmentation allows Vertica to parallelize queries by enabling each node to work independently on its portion of the data.
- It also provides high availability because if a node fails, its data segments are available on other nodes, avoiding data loss.
- During recovery, the replacement node can retrieve missing segments from the live segments on other nodes.
- Administrators can control
Introduction to Vertica (Architecture & More)LivePerson
LivePersonDev is happy to host this meetup with Zvika Gutkin, an Oracle and Vertica expert DBA in LivePerson, and specialist in BI and Big Data.
At LivePerson, we handle enormous amounts of data. We use Vertica to analyse this data in real time.
In this lecture Zvika will cover the following:
1. Present the architecture of Vertica
2. Compare row store to column store
3. Explain how Vertica achieve Fast query time
4. Show few use cases .
5. Explains what does Liveperson do with Vertica? Why we chose Vertica?
6. Talk about why we Love Vertica and Why we hate it .
7. Is Vertica SQL DB or NoSQL? Is vertica Consistent or Eventually consistent?
8. How Vertica differ from other SQL and noSQL technologies?
Профессиональные траектории выпускников специализации "Моделирование и оптими...Dmitry Kozhevnikov
Презентация для мастер-класса, прошедшего 21.04.12 в НИУ ВШЭ. В конце приводится методика построение собственной карьерной траектории, разработанная с использованием материалов Л.К. Дудченко и Д. Перси
Data-driven business: Информационная основа деятельности современной КомпанииAlexander Barakov
Обоснование концепции Data-driven business - попытка показать вектор трансформации способа ведения бизнеса вне зависимости от отрасли и найти ответы на ключевые вопросы, стоящие перед современной компанией:
Какие данные являются значимыми для бизнеса?
Какие значимые данные появятся и будут необходимы бизнесу через 5,10, 20 лет?
Какие новые виды анализа данных могут трансформировать принятие решений в вашей отрасли, повысив операционную эффективность?
Какой набор ПО оптимальным образом будет решать задачи связанные с хранением, обработкой, анализом данных и доставкой и информации пользователям?
Какие BI- BigData-решения внедрять, с какими приоритетами?
Какой набор ресурсов (внутренних/внешних) и компетенций необходимо аккумулировать для запуска и развития системы бизнес-анализа компании? (Как выбрать интегратора / консультанта? Какого набирать в штат? Как планировать и управлять BI-проектами? и т.д.)
Как необходимо трансформировать бизнес-процессы и корпоративную культуру?
и т.д.
Андрей Новиков RKM-2016 - Socialnaya analitika & Big Datavalveindustryhub
Работа с сообществом: от операций - к стратегии
• Шаг 1. Сообщество – инструмент продаж
– Представительство в основных соцсетях и предметных форумах
– Мониторинг релевантных сообщений в соцсетях и реагирование
– Организация взаимодействия между клиентами (c2c-поддержка)
• Шаг 2. Сообщество помогает наращивать KPI
– Привязка активностей в соцсетях к основным КПЭ работы с клиентами: time-to-
market, CSAT, response times...
– Качественное понимание картины: типовые проблемы продукта/сервиса, идеи по совершенствованию, что говорят и как думают клиенты
• Шаг 3. Сообщество – стратегический партнер бизнеса
– Что будет нужно нашей ЦА через одно или два поколения наших продуктов
IT talk SPb «IT-консалтинг — следующая ступень развития IT-профессионала». Cп...DataArt
Один из путей профессионального развития IT-специалистов — переход в консалтинг. Андрей расскажет, что же такое консалтинг и как правильно его готовить. Особое внимание уделит сложностям, возникающим при переходе от разработки или управления IT-проектами в сферу консультрования.
Bonus: Личные впечатления об опыте консультирования клиентов DataArt.
◦Что такое консалтинг и зачем он нужен?
◦Какие бывают консультанты?
◦Где и как этому научиться?
◦Ответственность. Сколько за это платят?
◦Развитие консалтинга в DataArt
This document discusses effective management reporting systems for banks to measure value creation. It proposes using a value measuring methodology (VMM) with three components: a value structure identifying key areas that create value for customers, society, operations etc.; a cost structure; and a risk structure. Key performance indicators (KPIs) should be linked to key risk indicators (KRIs) to integrate risk and performance management. Appendices provide examples of mapping KRIs against potential impacts; sources of risk and performance; the risk-performance cycle; and how KPIs relate to risk appetite and tolerance. The document advocates a holistic approach linking financial, operational and risk metrics to truly reflect how value is created and destroyed.
Defining the framework to open API for banking based on transactional banking approach for future integration on digital services outside of banks system
This document discusses a new perspective on data management called Just in Time analytics. It focuses on harvesting both structured and unstructured data from various sources to answer typical questions, identify anomalies, and support business processes and decision making. The key aspects involve data harvesting, treating data as a service, establishing a data market and using data science. The goal is to provide a situation room and reports to enable operational excellence through hypothesis validation and proactive anomaly detection.
Bank Insight - from Data to Insight new framework for Banking Analytics.
Материалы, которые были использованы на выступлениях
OSP BigData Forum, Breakpointforum, ACH ИТ в Финансовом Секторе
Here are the key points about projection segmentation in Vertica:
- Projection segmentation splits large projections into multiple segments and distributes those segments across database nodes for improved parallelism and high availability.
- The segmentation process randomly distributes rows of data across all available nodes using a hash function. This random distribution helps optimize query performance.
- Segmentation allows Vertica to parallelize queries by enabling each node to work independently on its portion of the data.
- It also provides high availability because if a node fails, its data segments are available on other nodes, avoiding data loss.
- During recovery, the replacement node can retrieve missing segments from the live segments on other nodes.
- Administrators can control
Introduction to Vertica (Architecture & More)LivePerson
LivePersonDev is happy to host this meetup with Zvika Gutkin, an Oracle and Vertica expert DBA in LivePerson, and specialist in BI and Big Data.
At LivePerson, we handle enormous amounts of data. We use Vertica to analyse this data in real time.
In this lecture Zvika will cover the following:
1. Present the architecture of Vertica
2. Compare row store to column store
3. Explain how Vertica achieve Fast query time
4. Show few use cases .
5. Explains what does Liveperson do with Vertica? Why we chose Vertica?
6. Talk about why we Love Vertica and Why we hate it .
7. Is Vertica SQL DB or NoSQL? Is vertica Consistent or Eventually consistent?
8. How Vertica differ from other SQL and noSQL technologies?
Профессиональные траектории выпускников специализации "Моделирование и оптими...Dmitry Kozhevnikov
Презентация для мастер-класса, прошедшего 21.04.12 в НИУ ВШЭ. В конце приводится методика построение собственной карьерной траектории, разработанная с использованием материалов Л.К. Дудченко и Д. Перси
Data-driven business: Информационная основа деятельности современной КомпанииAlexander Barakov
Обоснование концепции Data-driven business - попытка показать вектор трансформации способа ведения бизнеса вне зависимости от отрасли и найти ответы на ключевые вопросы, стоящие перед современной компанией:
Какие данные являются значимыми для бизнеса?
Какие значимые данные появятся и будут необходимы бизнесу через 5,10, 20 лет?
Какие новые виды анализа данных могут трансформировать принятие решений в вашей отрасли, повысив операционную эффективность?
Какой набор ПО оптимальным образом будет решать задачи связанные с хранением, обработкой, анализом данных и доставкой и информации пользователям?
Какие BI- BigData-решения внедрять, с какими приоритетами?
Какой набор ресурсов (внутренних/внешних) и компетенций необходимо аккумулировать для запуска и развития системы бизнес-анализа компании? (Как выбрать интегратора / консультанта? Какого набирать в штат? Как планировать и управлять BI-проектами? и т.д.)
Как необходимо трансформировать бизнес-процессы и корпоративную культуру?
и т.д.
Андрей Новиков RKM-2016 - Socialnaya analitika & Big Datavalveindustryhub
Работа с сообществом: от операций - к стратегии
• Шаг 1. Сообщество – инструмент продаж
– Представительство в основных соцсетях и предметных форумах
– Мониторинг релевантных сообщений в соцсетях и реагирование
– Организация взаимодействия между клиентами (c2c-поддержка)
• Шаг 2. Сообщество помогает наращивать KPI
– Привязка активностей в соцсетях к основным КПЭ работы с клиентами: time-to-
market, CSAT, response times...
– Качественное понимание картины: типовые проблемы продукта/сервиса, идеи по совершенствованию, что говорят и как думают клиенты
• Шаг 3. Сообщество – стратегический партнер бизнеса
– Что будет нужно нашей ЦА через одно или два поколения наших продуктов
IT talk SPb «IT-консалтинг — следующая ступень развития IT-профессионала». Cп...DataArt
Один из путей профессионального развития IT-специалистов — переход в консалтинг. Андрей расскажет, что же такое консалтинг и как правильно его готовить. Особое внимание уделит сложностям, возникающим при переходе от разработки или управления IT-проектами в сферу консультрования.
Bonus: Личные впечатления об опыте консультирования клиентов DataArt.
◦Что такое консалтинг и зачем он нужен?
◦Какие бывают консультанты?
◦Где и как этому научиться?
◦Ответственность. Сколько за это платят?
◦Развитие консалтинга в DataArt
Что такое ИТ-стратегия и её связь с бизнес-стратегией.
Три стороны стратегии.
Методологические аспекты стратегии.
Продвижение стратегии и проблемы её разработки.
Подбор ИТ-специалистов. Методы и источники поискаHRedu.ru
Видео вебинара: http://youtu.be/e68qYQWWZ98
В настоящий момент подбор ИТ-специалистов становится сложной задачей, прежде всего потому, что найти в открытом доступе резюме ИТ-специалистов настоящая редкость. В этот момент HR-специалист превращается в детектива, чтобы понять – где ему следует размещать свои объявления о вакансии, откуда хантить специалистов или все же лучше вырастить своих прямо с университетской скамьи?
Поэтому говорить обо всех инструментах поиска специалистов – от организации практики студентов, до хантинга, от поиска резюме на job-сайтах, до поиска конкретных разработчиков в профессиональных социальных сетях.
Регистрация на мероприятия проекта: http://goo.gl/Xx1Uvm
Сайт проекта: http://hredu.ru
Страница проекта в Facebook: https://www.facebook.com/hreduru/
Страница проекта в LinkedIn: https://www.linkedin.com/company/hredu-ru
Презентация по вебинару: Продажи ИТ - решений.
Освещенные вопросы:
1. Почему ошибаются сейлы при ведении сделки в самом начале: от первого контакта до результатов первой встречи: в оффере, в вопросах, в кейсах.
2. В чем разница на старте развития сделки инфраструктурных решений и бизнес –приложений
3. Как отражаются тренды IT в бизнесе: разные подходы к решению одних и тех же задач
4. Что болит у ИТ- директоров в новой реальности: смещение акцентов и приоритетов
2. Ключевые проблемы сегодня
Recruiting
Видение
Обучение
Бизнес
Анализ
Бизнес не понимает, что именно нужно и задает
вопросы, на которые уже есть ответ
Сложность приемки результатов без
ясной постановки
Отсутствие прозрачной модели обучения
и неопределенность уровня зрелости в
области анализа данных
Как сформулировать правильные вопросы к
бизнес аналитике, чтобы выгоды от бизнес
аналитик превзошли расходы на развитие BI
Отсутствует гибкий подход в реализации
бизнес аналитики – все идут большими шагами,
что усложняет существенно сдачу проектов
Как повысить культуру работы с информацией в целом ?
Как правильно выстроить процесс подбора и
найма специалистов работы с данными и
границы компетенций Data Scientist
Непонятно как именно подтверждать
достоверность предоставляемых данных
Brainstorming Snapshot
3. Выстроить мост между бизнесом и информацией
Научить задавать вопросы о данных, и отвечать на них
Сделать аналитику полезной для бизнеса
Понимать, отцифровывать, делать выводы и давать рекомендации
Beyond Analytics: Арбитраж используемой бизнес аналитики и принимаемых
решений.
Переход к Facts based Culture
Профилирование позиции бизнес аналитика и Data Scientist
Brainstorming Snapshot
4. Data Scientist Community
Data & Business Connection Community Club
Analyst Community of Interest
Business Data Partners
Brainstorming snapshot Brainstorming Snapshot
5. ТРИЗ методология решения изобретательских задач
AGILE реализация
Форум, площадка и соревнования Data Scientist (аналог Kaggle Codillity)
Домашняя страница Community выбрали Linkedin
Фабрика функциональных вопросов для построения задач по бизнес аналитики (аналог wiki) на основе
функциональной карты организаций
Brainstorming Snapshot
6. Организация Community и программ обучения
07.14 08.14 09.14 10.14 11.14 12.14 01.15 02.15 03.15 04.15 05.15 06.15 07.15 08.15 09.15
Концепция и анализ
предметной области,
выбор case
Сайт Community
Формирование РГ с
участниками
Профилирование
позиций аналитика и
разработчика
Профилирование
позиции Data Scientist
Подготовка программы
Syllabus
Подготовка экзаменов
Организация пилотной
площадки по обучению
Поиск экзаменаторов и партнёров
Подготовка порядка
сертификации
Подготовка порядка
аккредитации
партнеров
Сдача
экзаменов
Аккредитация
партнеров
Обучения в аккредитованных центрах
Публичное
обсуждение с РГ итогов
профилирования
Анализ инструментов и
решений
HROrganisationProcess(Theory)Practice
[Data Lab
Session]
Требования к
сертификации
Практические занятия [Data Lab Session]
Сертификация требует
1) наличие практического опыта
работ Data Lab Session
2) Определенного опыта
DRAFT