1 ноября пройдет второй вебинар на тему: «Прогностика. Ключевой элемент цифровизации производства».
Apple использовали данные о поведении потребителей для улучшения дизайна и удобства использования продукта. GE Oil & Gas внедрили Big Data для минимизации времени «простоя» производства, Nestle для оптимизации производственной цепочки, Магнитогорский металлургический комбинат оптимизировал расходы материалов при производстве стали, Газпром нефть реализовали проект по внедрению предиктивной аналитики для выявления причин сбоя работы оборудования.
Цифровая трансформация сейчас затрагивает все сферы нашей жизни, и большую роль в ней играет Data Science. Данные позволяют как оптимизировать и совершенствовать процессы, так и сокращать издержки. Но сбор данных - лишь первый шаг на пути к цифровизации. Важно не только их собрать, а правильно провести анализ и получить объективную базу для принятия стратегических решений.
На сегодняшний день технологии Big Data нашли свое применение практически в любых отраслях: ритейл, банкинг, здравоохранение, и сфера производства не стала исключением. Оптимизация производственной цепочки, выявление дефектов и контроль качества продукции, улучшение удобства использования продукта на основе поведения потребителей – неполный список результатов, которых можно достичь в производственной сфере благодаря Big Data.
Наши эксперты обсудят темы:
- Возможно ли прогнозирование «с нуля»? Что делать, когда исторических данных недостаточно?
- Big Data на производстве. Как перестать только собирать данные и начать их анализировать?
- Как просчитать экономический эффект от внедрения новых технологий?
- Какими методами пользоваться, когда нет возможности получить необходимые данные в нужном количестве?
Прогностика. От теории к практике
- Анонс
- Программа
- Участники
- Спикеры
1 ноября пройдет второй вебинар на тему: «Прогностика. Ключевой элемент цифровизации производства».
Apple использовали данные о поведении потребителей для улучшения дизайна и удобства использования продукта. GE Oil & Gas внедрили Big Data для минимизации времени «простоя» производства, Nestle для оптимизации производственной цепочки, Магнитогорский металлургический комбинат оптимизировал расходы материалов при производстве стали, Газпром нефть реализовали проект по внедрению предиктивной аналитики для выявления причин сбоя работы оборудования.
Цифровая трансформация сейчас затрагивает все сферы нашей жизни, и большую роль в ней играет Data Science. Данные позволяют как оптимизировать и совершенствовать процессы, так и сокращать издержки. Но сбор данных - лишь первый шаг на пути к цифровизации. Важно не только их собрать, а правильно провести анализ и получить объективную базу для принятия стратегических решений.
На сегодняшний день технологии Big Data нашли свое применение практически в любых отраслях: ритейл, банкинг, здравоохранение, и сфера производства не стала исключением. Оптимизация производственной цепочки, выявление дефектов и контроль качества продукции, улучшение удобства использования продукта на основе поведения потребителей – неполный список результатов, которых можно достичь в производственной сфере благодаря Big Data.
Наши эксперты обсудят темы:
- Возможно ли прогнозирование «с нуля»? Что делать, когда исторических данных недостаточно?
- Big Data на производстве. Как перестать только собирать данные и начать их анализировать?
- Как просчитать экономический эффект от внедрения новых технологий?
- Какими методами пользоваться, когда нет возможности получить необходимые данные в нужном количестве?