Telegram Web Link
Заметил тут статью и решил отлодить его из дайджеста в отдельный пост, показалось инетресным.

Основная идея (мой take away) - хорошая платформа - та, которой пользуются! и технологии тут ни при чем 🙂

Какие темы упомянуты:

1. Шаблоны: Подчеркивается важность использования шаблонов, таких как Kanban и Agile в JIRA или Data Product в DataOS, чтобы помочь пользователям легко ориентироваться в новом экосистеме.

2. Документация, основанная на опыте: Рекомендуется предоставить пользователям документацию, основанную на их опыте, а не на обучении, чтобы они могли сразу увидеть ценность платформы.

3. Интеграция с привычными инструментами: В статье подчеркивается необходимость поддерживать интеграцию с инструментами, которые пользователи уже используют (например, git для разработчиков или BI-инструменты для аналитиков), чтобы облегчить переход на новую платформу.

4. Дорожная карта развития продукта: Обсуждается важность вовлечения пользователей в процесс создания и обновления дорожной карты платформы, чтобы они могли видеть, как их запросы учитываются и как платформа развивается.

5. Гид по платформе и FAQ: Указано на необходимость наличия встраиваемых справок и инструкций, чтобы пользователи не терялись в новом интерфейсе и могли легко находить ответы на свои вопросы, что значительно улучшает общий опыт.

Работа с данными должна быть интуитивно понятной и поддерживаться постоянным взаимодействием с пользователями, чтобы они чувствовали себя частью экосистемы и могли быстро адаптироваться к изменениям.


https://medium.com/@community_md101/building-data-platforms-the-mistake-organisations-make-f27874447fef
Вот как??? Вот как так может работать поиск в приложении, в эпоху больших данных, искусственного интеллекта и восстания машин????
Дайджест статей

ИИ-инструменты для аналитиков: теория, кейсы, советы
https://habr.com/ru/companies/korus_consulting/articles/860242/

Почему ИИ рано поручать код-ревью
https://habr.com/ru/articles/859582/

Модели данных в BI-платформах: физика против логики
https://habr.com/ru/companies/axenix/articles/860094/

CedrusData Catalog — новый технический каталог с поддержкой Iceberg REST API
https://habr.com/ru/companies/cedrusdata/articles/860356/

Секреты построения Data Vault 2.0: эффективное хранение данных
https://habr.com/ru/companies/cinimex/articles/857084/

I spent another 8 hours understanding the design of Amazon Redshift. Here’s what I found.
https://blog.det.life/i-spent-another-8-hours-understanding-the-design-of-amazon-redshift-heres-what-i-found-85c31a59fd19

I spent 5 hours understanding more about the Delta Lake table format
https://blog.det.life/i-spent-5-hours-understanding-more-about-the-delta-lake-table-format-b8516c5091eb

Apache Superset 2024. Лучшие практики
https://habr.com/ru/companies/otpbank/articles/815689/

A data-driven approach to making better choices
https://news.mit.edu/2024/data-driven-approach-making-better-choices-0606
Немного юмора :)
В то время, как мы говорим о гипер-автоматизации всего и вся и в первую очередь в коммуникациях с клиентами, некоторые игроки рынка (это скрин онбординг экрана из мобильного приложения Mettle - проекта банка NatWest) заявляют human-based поддержку как преимущество для клиентов :)
Только начал читать эту книгу, но уже после первых 2-3 глав испытал такой восторг, что спешу рекомендовать ее к обязательному прочтению! Очень интересная теория уровней развития корпоративной культуры, которая отлично соотносится с моим собственным опытом и помогает систематизировать многое из того, что я наблюдаю как вокруг, так и в себе.

Авторы выделяют 5 моделей культуры группы, и особенно мне понравилось, что они подчеркивают: в одной и той же организации разные группы, отделы и даже отдельные люди могут находиться на разных уровнях. Более того, они способны перемещаться между этими уровнями в зависимости от обстоятельств. На мой взгляд, это очень верная теория, и я сам замечаю такие перемещения в своем поведении.

В книге представлен полезный framework для диагностики, который помогает определить, на каком уровне находится ваша организация, а также рекомендации для тех, кто, как менеджер, хочет внести изменения в своей компании.

https://www.goodreads.com/book/show/34375294
Сегодня были объявлены победители премии CNews

Награду в номинации «Управление данными в промышленности» получил проект, реализованный компаниями ЕВРАЗ и Tdata. Использование RT.Data Governance при создании единой системы производственных показателей в компании ЕВРАЗ позволило обеспечить документирование данных, ведение единого глоссария терминов и алгоритмов расчета показателей. Скорость разработки витрин данных и аналитических дэшбордов увеличилась вдвое. На сегодняшний день в систему внесено более 6 тыс. производственных показателей, из которых 3 тыс. уже содержат детализированное описание.

https://biz.cnews.ru/articles/2024-11-19_obyavleny_laureaty_cnews_awards_2024
Так же редакция горячо поздравляет команду SberJazz за победу в номинации «Коммуникационная платформа с ИИ»

Награду CNews AWARDS в номинации «Коммуникационная платформа года с ИИ» получила компания SberDevices c продуктом SaluteJazz. SaluteJazz — это ИИ-платформа коммуникаций, сочетающая в себе привычные функции для делового общения и возможности искусственного интеллекта. Решение позволяет организовывать онлайн-встречи до 1000 участников, вебинары на 3000 тысячи зрителей,безопасно общаться в чатах встроенного корпоративного мессенджера. На базе нейросетевой модели GigaChat реализована функция автоматического подведения итогов встречи. Также платформа предоставляет и другие ИИ-функции: текстовую расшифровку диалогов, бьютификацию и шумоподавление. Помимо этого, в SaluteJazz доступны встречи в 3D-формате, когда вместо себя на звонок можно отправить анимированного персонажа.
Интересные кейсы! Довольно конкретно и без воды, посмотрите.
Forwarded from CleverData
Предиктивная аналитика на базе ИИ

В мире бизнеса предиктивная аналитика на базе искусственного интеллекта становится неотъемлемым инструментом для оптимизации процессов и повышения эффективности. В новой статье мы вместе с коллегами рассмотрели, как компании используют машинное обучение для предсказания поведения клиентов и улучшения маркетинговых стратегий.

Узнайте, как современные технологии помогают банкам и производителям товаров личной гигиены находить свою целевую аудиторию и минимизировать риски мошенничества.

Полная версия по ссылке
Редакция сегодня посетила мероприятие Call & Contact Centre EXPO

Автоматизация коммуникации с клиентами уже много лет остается областью, где технологии ИИ являются самыми востребованными и где результат из применения очевиден и понятен и каждый из нас может на себя почувствовать всю их мощь когда звонит в любимый банк или телеком провайдеру.

В целом выставка не удивила, все стенды плюс минус про одно и тоже, поэтому более ценны тут выступления и нетворкинг.

Из выступлений послушать удалось не много но одно было очень интересное. Из ключевых выводов:

в то время как ИИ закрывает простые и массовые вопросы, на колл центры смещается нагрузка в части более сложных кейсов требующих большей продолжительности диалога
Самый лучший источник знаний для ИИ - предыдущие диалоги и разговоры с оператором. Поэтому именно к этой категории данных следует относится максимально внимательно.

А еще было очень интересно что организаторы пускали при докладах real time транскрипцию на экранах. Удобно :)
Дайджест статей

Михаил Водолагин, ex-CDO Deeplay: «Люди умудряются выстрелить себе в ногу очень по-разному!»
https://habr.com/ru/articles/860322/

Scaling the Instagram Explore recommendations system
https://engineering.fb.com/2023/08/09/ml-applications/scaling-instagram-explore-recommendations-system/

Репликация данных с использованием Debezium и Kafka
https://habr.com/ru/articles/861868/

Человек и LLM: как построить метрики для оценки моделей
https://habr.com/ru/companies/yandex/articles/861084/

Извлечение метаданных из Power BI
https://habr.com/ru/articles/862052/

Инфраструктура для Data-Engineer форматы файлов
https://habr.com/ru/articles/859968/

Миграция данных: косяки и работа над ошибками
https://habr.com/ru/articles/862324/

Как приготовить DataVault и не испортить Greenplum
https://habr.com/ru/companies/x5digital/articles/862384/

Зачем нам ИИ-агенты?
https://habr.com/ru/companies/piter/articles/862314/

Как организовать разметку данных для ML? Советы от Data Light
https://habr.com/ru/companies/data_light/articles/862464/
Call&Contact Centre EXPO

На прошлой неделе редакция посетила мероприятие Call&Contact Centre EXPO и хотела бы поделиться некоторыми заметками.

В целом мероприятие было не очень большое по меркам Лондона, я бы сказал ближе к среднему размеру по площади и количеству участников. Конечно, как любое бесплатное мероприятие большую часть всей повестки занимали вендоры которые на сессиях рассказывали о своих решения. Мне удалось походить по выставке, посмотреть стенды и послушать только пару докладов, тк времени было не очень много. Большая часть выставки занимали традиционные вендоры работающие в области автоматизации колл центров (Verint, Nice, DCC) + вторые по величине были такие копании как Zoom и 8x8 которые в целом позиционируется на клиентских коммуникациях. Непосредственно каких-то особо инновационных стартапов я не очень много увидел, был интересный стенд у Boost.AI, но больше не могу кого то отметить. В целом общая повестка - использование GenAI в клиентских коммуникациях.

Так же в части организации мне показалось интересным то, что все доклады сопровождались real-time транскрибацией - хорошая практика :)

В целом по итогу докладов и общения я могу выделить следующие takeaways которые могут быть полезны для наших задач:

⁃ На самом деле непосредственно сам GenAI все используют крайне мало, пока больше это маркетинговые лозунги
⁃ Самый распространенный кейс применения GenAI - суммаризация звонка с клиентом и отсылка этого самари клиенту и фиксация его в CRM системе
⁃ Самый ценный источник данных для RAG любого чат бота или визуального ассистента - данные предыдущих звонков и общения операторов в клиентами. Как показывает практика это дает намного более сильные результаты по сравнению с любыми внутренними статичными knowledge base
• ⁃ Так же интересная статистика была показана по call centre - по мере того, как автоматизация за счет AI берет на себя закрытие простых вопросов с клиентами, на операторов начинают переводиться все более сложные рейсы, это приводит к увеличению среднего времени звонка и меняет профиль нагрузки на call centre, требует более высокой средней квалификации операторов. Эти тенденции следует иметь ввиду при реализации проектов по автоматизации коммуникаций.
Люди уже совсем не стесняются :)
2025/07/04 10:18:44
Back to Top
HTML Embed Code: