Почему агро-предприятия приходят к созданию или аренде гео-системы? Основных причины четыре:
Первая: чтобы иметь постоянно обновляемый прогноз урожайности и прогноз исполнения целевых плановых финансовых показателей от уровня предприятия до уровня отдельного поля. Чтобы знать, как выполняется план по доходам и улучшать бизнес-планирование.
Вторая: чтобы выявлять тренды и возникающие закономерности, которые могут сигнализировать о возможном снижении урожайности в будущем - или о возможных проблемах с тем, чтобы сохранить собранный урожай. Чтобы проактивно реагировать на приближающиеся проблемы в попытке снизить негативные последствия.
Третья: чтобы детально планировать арго-мероприятия с учетом особенностей каждого поля. Чтобы переходить от макро-планирования (регион или отдельное хозяйство) к микро-планирования (какое поле) и снижать нерациональные затраты.
Четвертая: чтобы отслеживать исполнение заданий и производственных операций. Чтобы контролировать и снижать уровень ошибок и… воровства, если говорить прямо.
* — слайды и слайды с комментариями.
Я часто слышу, что заказная разработка — это зло. Заказчик-самодур диктует свои условия, а разработчики пляшут под его дудку, пишут на Друпале (привет Омск), не высыпаются и мечтают о продуктовой разработке. Где, говорят, один внутренний заказчик, который всё знает, пишет подробное ТЗ, сроки гибкие, а разработчиков кормят плюшками с клюквой и возят на конференции. Все счастливы!
На самом деле нет. Есть свои нюансы, которые стоит учитывать.
О них я и расскажу:
— Product team VS feature team VS “dev на 50% времени и frontend на 20%, test на 100%”.
— “Продакт все знает он нам напишет подробное ТЗ” VS прототипы и сплит-тестирование.
— Старожилы VS живчики.
— “Сначала сделаем, потом подумаем как зарабатывать”.
Персонажи и события не выдуманы, буду использовать опыт 2ГИС.
Геомаркетинг: что это и как это можно использовать в высшем образованииSergey Naumov
Геомаркетинг (гео-маркетинг) применяется в коммерческом секторе все более активно. Что это, какие инструменты есть, как Esri ArcGIS позволяет решать задачи геомаркетинга?
Описание подходов, программного обеспечения к моделированию затопления территории для пользователей ArcGIS, в том числе специального модуля расширения "Гидро ЧС"
Esri Geoportal Server – учет и поиск корпоративных пространственных данныхVitaly Zagorovskiy
Презентация на коференции 11-й научно-практический семинар «Использование ГИС-технологий Esri в нефтегазовой отрасли» 24 – 25 мая 2012 года в городе Тюмень
* — слайды и слайды с комментариями.
Я часто слышу, что заказная разработка — это зло. Заказчик-самодур диктует свои условия, а разработчики пляшут под его дудку, пишут на Друпале (привет Омск), не высыпаются и мечтают о продуктовой разработке. Где, говорят, один внутренний заказчик, который всё знает, пишет подробное ТЗ, сроки гибкие, а разработчиков кормят плюшками с клюквой и возят на конференции. Все счастливы!
На самом деле нет. Есть свои нюансы, которые стоит учитывать.
О них я и расскажу:
— Product team VS feature team VS “dev на 50% времени и frontend на 20%, test на 100%”.
— “Продакт все знает он нам напишет подробное ТЗ” VS прототипы и сплит-тестирование.
— Старожилы VS живчики.
— “Сначала сделаем, потом подумаем как зарабатывать”.
Персонажи и события не выдуманы, буду использовать опыт 2ГИС.
Геомаркетинг: что это и как это можно использовать в высшем образованииSergey Naumov
Геомаркетинг (гео-маркетинг) применяется в коммерческом секторе все более активно. Что это, какие инструменты есть, как Esri ArcGIS позволяет решать задачи геомаркетинга?
Описание подходов, программного обеспечения к моделированию затопления территории для пользователей ArcGIS, в том числе специального модуля расширения "Гидро ЧС"
Esri Geoportal Server – учет и поиск корпоративных пространственных данныхVitaly Zagorovskiy
Презентация на коференции 11-й научно-практический семинар «Использование ГИС-технологий Esri в нефтегазовой отрасли» 24 – 25 мая 2012 года в городе Тюмень
Операционная аналитика в реальном времени при бурении и освоении скважинElizaveta Fateeva
Компания Marathon Oil приобрела лицензии на программное обеспечение PI System 25 лет назад, и компания все еще находит возможности для повышения отдачи от вложений в эту систему. Несколько лет назад Marathon Oil претворила в жизнь свой проект MaraDrill™, целью которого была оптимизация времени бурения, повышение эффективности и уменьшение капитальных затрат
Big data refers to the massive amounts of unstructured data that are growing exponentially. Hadoop is an open-source framework that allows processing and storing large data sets across clusters of commodity hardware. It provides reliability and scalability through its distributed file system HDFS and MapReduce programming model. The Hadoop ecosystem includes components like Hive, Pig, HBase, Flume, Oozie, and Mahout that provide SQL-like queries, data flows, NoSQL capabilities, data ingestion, workflows, and machine learning. Microsoft integrates Hadoop with its BI and analytics tools to enable insights from diverse data sources.
Big data is large amounts of unstructured data that require new techniques and tools to analyze. Key drivers of big data growth are increased storage capacity, processing power, and data availability. Big data analytics can uncover hidden patterns to provide competitive advantages and better business decisions. Applications include healthcare, homeland security, finance, manufacturing, and retail. The global big data market is expected to grow significantly, with India's market projected to reach $1 billion by 2015. This growth will increase demand for data scientists and analysts to support big data solutions and technologies like Hadoop and NoSQL databases.
This document provides an overview of big data. It defines big data as large volumes of diverse data that are growing rapidly and require new techniques to capture, store, distribute, manage, and analyze. The key characteristics of big data are volume, velocity, and variety. Common sources of big data include sensors, mobile devices, social media, and business transactions. Tools like Hadoop and MapReduce are used to store and process big data across distributed systems. Applications of big data include smarter healthcare, traffic control, and personalized marketing. The future of big data is promising with the market expected to grow substantially in the coming years.
Презентация к докладу «Искусственный интеллект на службе города» на конференции «Город как инновация» в рамках 33-ей Всемирной конференции Международной ассоциации технопарков и зон инновационного развития (IASP) и программы развития городской среды «Сколково».
19 сентября 2016 г.
Секреты эффективного планирования, отчетности и мониторинга в call-центре. Gl...Global Bilgi
Презентация для вебинара "Секреты эффективного планирования, отчетности и мониторинга в call-центре". Докладчик - Адем Ток, руководитель отдела PRM в аутсорсинговом контактном центре Global Bilgi.
Опыт внедрения Business Intelligence System QlikView в компании Chiesi RussiaMarina Payvina
18 сентября 2014 года Консультационная Группа АТК совместно с компанией Qlik, при поддержке Союзфарма, провели отраслевой семинар «QlikView для фармацевтических компаний: лучшие практики аналитики данных IMS и вторичных продаж». Семинар открыли Андрей Краснопольский, генеральный директор Консультационной Группы АТК, и Владимир Иткин, директор по развитию партнерской сети Qlik, с кратким представлением системы QlikView. Затем Павел Карасев, ИТ-директор компании Chiesi Pharmaceuticals, рассказал об опыте использования QlikView для анализа корпоративных данных в компании и картографическом анализе.
Сенсорные системы и транспорт в режиме реального времени с использованием сов...ООО "ИНТРО-ГИС"
В презентации описаны современные тенденции в развитии ГИС технологий и опыт внедрения аналитической ГИС для мониторинга автотранспорта нескольких автопарков, каждый из которых обслуживается у отдельного поставщика решений по мониторингу
Операционная аналитика в реальном времени при бурении и освоении скважинElizaveta Fateeva
Компания Marathon Oil приобрела лицензии на программное обеспечение PI System 25 лет назад, и компания все еще находит возможности для повышения отдачи от вложений в эту систему. Несколько лет назад Marathon Oil претворила в жизнь свой проект MaraDrill™, целью которого была оптимизация времени бурения, повышение эффективности и уменьшение капитальных затрат
Big data refers to the massive amounts of unstructured data that are growing exponentially. Hadoop is an open-source framework that allows processing and storing large data sets across clusters of commodity hardware. It provides reliability and scalability through its distributed file system HDFS and MapReduce programming model. The Hadoop ecosystem includes components like Hive, Pig, HBase, Flume, Oozie, and Mahout that provide SQL-like queries, data flows, NoSQL capabilities, data ingestion, workflows, and machine learning. Microsoft integrates Hadoop with its BI and analytics tools to enable insights from diverse data sources.
Big data is large amounts of unstructured data that require new techniques and tools to analyze. Key drivers of big data growth are increased storage capacity, processing power, and data availability. Big data analytics can uncover hidden patterns to provide competitive advantages and better business decisions. Applications include healthcare, homeland security, finance, manufacturing, and retail. The global big data market is expected to grow significantly, with India's market projected to reach $1 billion by 2015. This growth will increase demand for data scientists and analysts to support big data solutions and technologies like Hadoop and NoSQL databases.
This document provides an overview of big data. It defines big data as large volumes of diverse data that are growing rapidly and require new techniques to capture, store, distribute, manage, and analyze. The key characteristics of big data are volume, velocity, and variety. Common sources of big data include sensors, mobile devices, social media, and business transactions. Tools like Hadoop and MapReduce are used to store and process big data across distributed systems. Applications of big data include smarter healthcare, traffic control, and personalized marketing. The future of big data is promising with the market expected to grow substantially in the coming years.
Презентация к докладу «Искусственный интеллект на службе города» на конференции «Город как инновация» в рамках 33-ей Всемирной конференции Международной ассоциации технопарков и зон инновационного развития (IASP) и программы развития городской среды «Сколково».
19 сентября 2016 г.
Секреты эффективного планирования, отчетности и мониторинга в call-центре. Gl...Global Bilgi
Презентация для вебинара "Секреты эффективного планирования, отчетности и мониторинга в call-центре". Докладчик - Адем Ток, руководитель отдела PRM в аутсорсинговом контактном центре Global Bilgi.
Опыт внедрения Business Intelligence System QlikView в компании Chiesi RussiaMarina Payvina
18 сентября 2014 года Консультационная Группа АТК совместно с компанией Qlik, при поддержке Союзфарма, провели отраслевой семинар «QlikView для фармацевтических компаний: лучшие практики аналитики данных IMS и вторичных продаж». Семинар открыли Андрей Краснопольский, генеральный директор Консультационной Группы АТК, и Владимир Иткин, директор по развитию партнерской сети Qlik, с кратким представлением системы QlikView. Затем Павел Карасев, ИТ-директор компании Chiesi Pharmaceuticals, рассказал об опыте использования QlikView для анализа корпоративных данных в компании и картографическом анализе.
Сенсорные системы и транспорт в режиме реального времени с использованием сов...ООО "ИНТРО-ГИС"
В презентации описаны современные тенденции в развитии ГИС технологий и опыт внедрения аналитической ГИС для мониторинга автотранспорта нескольких автопарков, каждый из которых обслуживается у отдельного поставщика решений по мониторингу
8. Мониторинг и контроль
• Карта реального времени (погода, замеры, треки)
• Анализ перемещений и сравнение с планом/ожиданиями
• оперативно
• пост-фактум
• Выявление нарушений
4
9. ArcGIS Enterprise: непрерывный
анализ данных
4Портал
GeoEvent
GeoEvent
GeoEvent
GeoEvent
ArcGIS Enterprise (включает ArcGIS Server, GeoEvent Server, Portal for ArcGIS, ArcGIS
Федеративные сервера
4000 сообщений/с
4000 сообщений/с
4000 сообщений/с
Узел 1
Узел 1
Узел 1
Узел 1
Узел 1
Пространственно-временное
хранилище больших данных
GeoEvent Extension
Inputs
Outputs
GeoEvnt Services
14. Прогноз урожайности и план/факт
• Поле как минимальная учетная сущность
• Регулярный перерасчет ожиданий
• Есть ли связь и где?
• сотрудники и урожайность
• удобрения и результаты
1
Добрый день, уважаемые коллеги,
Меня зовут Сергей Наумов, я представляю компанию ЭСРИ. Больше 40 лет мы занимаемся создания географических информационных систем, и сегодня я хочу поговорить о нашем взгляде на роль и пользу от использования ГИС в деятельности агро-предприятия.
Почему агро-предприятия приходят к созданию или аренде гео-системы? Основных причины четыре:
Первая: чтобы иметь постоянно обновляемый прогноз урожайности и прогноз исполнения целевых плановых финансовых показателей от уровня предприятия до уровня отдельного поля. Чтобы знать, как выполняется план по доходам и улучшать бизнес-планирование.
Вторая: чтобы выявлять тренды и возникающие закономерности, которые могут сигнализировать о возможном снижении урожайности в будущем - или о возможных проблемах с тем, чтобы сохранить собранный урожай. Чтобы проактивно реагировать на приближающиеся проблемы в попытке снизить негативные последствия.
Третья: чтобы детально планировать арго-мероприятия с учетом особенностей каждого поля. Чтобы переходить от макро-планирования (регион или отдельное хозяйство) к микро-планирования (какое поле) и снижать нерациональные затраты.
Четвертая: чтобы отслеживать исполнение заданий и производственных операций. Чтобы контролировать и снижать уровень ошибок и… воровства, если говорить прямо
Как наши технологии помогают достигать поставленные цели? Начнем в обратном порядке от операционных целей к стратегическим
Ряд выполняемых операций можно дополнительно контролировать через анализ перемещения объектов и людей и сравнения с планом или ожиданиями. Наша система позволяет создать аналитическую модель, которая обрабатывает различные данные, включая собираемые в онлайн режиме (GPS, погодные датчики), подключаемые из информационных сервисов (историческая/текущая/прогноз погода), получаемые измерениями в поле с помощью мобильных приложений (температура/влажность почвы, состояние посевов и др)
Часть задач контроля не требует немедленного реагирования и может анализироваться пост-фактум: например, данные об истории перемещений техники, которые каждую ночь сравниваются с плановыми локациями; после этого формируется отчет, например: «исходя из плана работ ожидалось внесение удобрений на площадь в 100 Га, фактически по трекам покрыта территория в 80 Га, по отчетности списано удобрений на 100 Га».
Некоторые задачи можно мониторить в режиме реального времени, например, выезд техники за пределы территории хозяйства или срабатывание датчиков.
С технологической точки зрения мы предлагаем ПО, позволяющее подключаться к потокам данных реального времени, хранить большие пространственно-временные массивы данных в специальном индексированном хранилище и анализировать через различные готовые к использованию гео-операции, объединяя в кластер и используя все имеющиеся вычислительные ресурсы
В результате - заказчики получают автоматическое обнаружение расхождений между планом и фактом, дополнительный слой контроля и способ вскрывать нарушения.
Точное земледелие предполагает точный учет (мы детально знаем, чем управляем), точную обработку (детально знаем куда и сколько вносим) и точные знания (детально знаем, откуда сколько собираем).
Мы предлагаем инструменты, позволяющие по мере накопления измерений (например, полевых замеров характеристик почвы) все подробнее детализировать план работ - оперировать не крупными территориями и их осредненными показателями (плодородности, урожайности), а минимально возможными территориями (полями и частями полей).
Логистика может рассматриваться как часть микро-планирования, и без карты и географических инструментов невозможно понять, с как с какого поля на какой сахарный завод дешевле везти свеклу, оптимально ли расположены элеваторы для сбора и просушки зерна.
Технологически мы можем управлять любыми базами пространственных данных (от одного до миллионов участков) и применять расчетно-аналитические модели к любому числу земельных участков - а затем возвращаться к обобщенным территориям и передавать в BI системы показатели по территориям нужного уровня детальности. Мы и сами можем выступать как гео-BI система
ГИС уникальна как средство сбора и совместного анализа различных источников данных. Невозможно загрузить в статистический пакет прогноз погоды на несколько районов и наложить на него количество внесенных удобрений. Если стоит задача анализировать тренды, мы даем возможность строить модели, которые смотрят на, например, прогноз погоды и динамику изменения вегетационного индекса, нормализованного по полевым наблюдениям, и говорят "в идеальном случае динамика должна быть такой, по факту - вот такая, разница в –5 условных единиц, тенденция негативная». И когда результат модели «тенденция негативная» - это повод беспокоиться и изучать, а где, собственно, эта тенденция наблюдается?
Сам расчет статистики может выполняться и в SAS, но на вопрос «где» ответит только ГИС.
Технологически мы предлагаем инструмент создания блок-схем, автоматизирующих последовательность шагов, которые подсказывают знания и опыт, и не требующих программирования.
Первый вопрос - а зачем для этого ГИС?
Ответ простой: для того, чтобы использовать поле как сущность, описывающую минимальный кусочек земли, с которым связаны все замеры-измерения-расчеты - те параметры, которые потом идут в систему бизнес-аналитики.
Почему нельзя использовать Excel и в чем смысл ГИС? Потому что в электронной таблице невозможно совместить карту плодородности + метеопрогноз + замеры + внесенные удобрения + тип культуры и посчитать какой-то показатель, использующий все эти характеристики, для каждого поля. Затем, получив отдельные расчеты, интегрированные показатели можно считать в любом удобном ПО.
Если мы хотим понять, есть ли связь между тем, какая бригада работает на полях и какую урожайность эти поля дают; или есть ли связь между применением нового удобрения и урожайностью с учетом характеристик почвы - без професииональной ГИС невозможно обойтись.
И мы предлагаем программы, которые объединяют мир карт и мир бизнес-аналитики.
В результате, система «живет» вместе с сельхозпредприятием, реагирует на изменение внешних факторов и постоянно корректирует промежуточные прогнозы, на основе которых формируются рекомендации. Мы всегда знаем где, что и в каком количестве происходит.