Это вы не учитываете, что у огромного количества людей он есть.
Вы вообще читаете про что речь или только потрындеть ради пишете? При чем тут опросы? И самое интересное, что немедленно сами в опросе поучаствовали. Весь такой внезапный и противоречивый.
Надо уточнить, некоторые детали. В частности отсутсвие прибыли, что не есть секрет.
А вот звонки в 17-м году это моветон. И для остальных наших клиентов если требуется подтверждение заказов давно есть телеграмм или смс на худой конец. Юлмарт уже давно только самый большой, к большому сожалению.
Есть еще ems sql manager lite. Мы поскольку живем сьораклом в тоаде большую часть времени, это единственное что я могу переваривать. Что радует — есть кнопки коммит и роллбек. Есть проверка синтаксиса при создании процедур (и кнопка коммит !!!!!)
Неэффективный способ.
Аргументы.
1. При обновлении одной записи приходится сохранять всю запись.
2. Управление историей требует специальных инструментов и обработки каждой отдельной таблицы.
3. Изменение структуры таблицы требует изменения структуры таблицы лога, что опять же делается для каждой таблицы одинаково и в вашем вариенте не зависит от размера таблицы.
Как избавится от этих проблем можно посмотреть в Ultimate 2C
Мы работаем с разными бизнесами, и у всех есть свои детали. У кого-то нет менеджеров, есть склады, у кого-то нет ни менеджеров ни складов, только производства. На текущем этапе мы определяем стандартное поведение как поведение большинства. Для инструмента требуется аналитик — он может задавать субъективные значимости параметров, или чувствительность модели. Он же и задает, что мы собственно будем анализировать. Он может выбрать пользователей и попросить построить для них возможные факторы (мы их много можем сгенерить автоматически на основе метаданных), может попросить разработчика сделать механизм для расчета какого-то специального хитрого параметра. Результат анализа — кто тут отличается, и дальше аналитик разбирается почему. Если отличие «правильное» надо его как-то пометить, чтобы не было false positives.
К сожалению, мы не можем себе позволить разбираться с конкретными процессами. Собственно, такой инструмент легко может быть заменен человеком, и результаты его будут лучше. Просто я рассматриваю средний вариант интерполяции — между ничего не знаем и «это прямая».
Почему вы отбрасываете вариант знаний «функция гладкая, с конечными известными мин и макс».
Это примерно то, что мы знаем про то, что происходит у нас. Осталось придумать, что такое интерполяция :)
Александр, но нам не надо предсказывать курсы доллара. У нас совсем другая задача — найти выделяющийся чем-то объект анализа среди таких же. Это скорее задача интерполяции нежели экстраполяции. Согласитесь, задача интерполяции легко решается если мы что-то знаем о функции, например, что она гладкая. И тогда можно очень точно интерполировать. С экстраполяцией задача нерешаемая конечно.
Я нигде не сказал, что нейросеть должна обучаться сама. Я сказал, что возможно, мы сможем для нашего частного случая реализовать механизм обучения сети (с минимальным вмешательством человека — он задает что «от сих до сих — обучающая выборка, а дальше живут драконы»)
Боюсь, что в ближайшее время посмотреть как устроен поиск яндекса и гугла не смогу.
П.С. Как написано — я буду благодарен любым полезным советам. Можете подробнее описать, чем вы занимаетесь 10 лет, какие у вас предложения?
В данном случае не идет речь о общей теории всего.
Речь идет о поиске отклонений в весьма структурированном наборе данных.
И, если для скалярных параметров наверно можно использовать простые приемы типа среднего квадратичного (хотя я не пробовал) то для векторов я уже не знаю что делать. Классический вектор — последовательность событий с привязкой ко времени.
Поскольку инструмент нужен универсальный, то нужно отталкиваться не от описания имеющихся данных (оно, конечно, есть), а от имеющихся метаданных. И сами данные и структура и наполнение метаданных описаны в документации, ее можно найти по приведенным ссылкам.
Попробую все-таки чуть конкретизировать задачу. А то возникает ощущение, что недостаточно подробно донес суть.
Итак, есть IEM-система. Это следующее поколение развития систем автоматизации предприятия. И для текущей задачи можно считать, что это просто свежая ERP система, в которой все данные о предприятии согласованы, достоверны, лежат в единой базе в структурированном виде и т.д. и т.п.
Соответственно, есть куча информации о действиях пользователей системы, контрагентов их параметрах (типа оборачиваемости, движения денег, рентабельности вплоть до конкретной единицы SCU). Параметров таких можно набрать сотни и тысячи.
Необходимо решить задачу выделения значимых параметров, построения гипотез, расчета и поиска соответствующих моделей. Как пример можно приводить менеджеров по продажам. Их 1000 человек, и все делают примерно одинаковые операции. Но кто-то (возможно) делает что-то не так как остальные.
Можно, конечно, пытаться искать например тех, у кого больше возвратов в гарантию, или маленькая рентабельность. Можно опускаться до уровня отдельных операций — продаж, закупок перемещений и рассматривать параметры этих отдельных операций.
Но хочется попробовать сделать схему, при которой будет сформулирован алгоритм который позволит выявить значимые параметры (или определить, что таких нет), и далее найти метод нахождения «подозреваемых» которые чем-то отличаются.
Какие методы тут использовать — вопрос к специалистам по ML, матстатистике и прочим нейросеткам.
И собственно за это мы готовы платить.
Да, примерно так это мы себе и представляем. Но тут вопрос в деталях — какие параметры надо учитывать для определения поведения? Как их найти? Поможет ли нам тут факторный анализ и как его применить? Как считать отклонения, в каком пространстве и по какой метрике? Эти и другие вопросы и надо разобрать.
Зависит от условий организации труда. В отечественных организациях, как правило, — дармоеды. Но это не их вина. Вот ситуация (http://www.ultimaerp.com/results/no_taxation_without_representation/), когда бухгалтер является производительной должностью. А вот (http://www.ultimaerp.com/library/erp_masturbation/) ситуация, в которой дармоедом является программист. Ну и так далее.
Вы вообще читаете про что речь или только потрындеть ради пишете? При чем тут опросы? И самое интересное, что немедленно сами в опросе поучаствовали. Весь такой внезапный и противоречивый.
А вот звонки в 17-м году это моветон. И для остальных наших клиентов если требуется подтверждение заказов давно есть телеграмм или смс на худой конец. Юлмарт уже давно только самый большой, к большому сожалению.
Пардон это ответ к предыдущему каменту
Аргументы.
1. При обновлении одной записи приходится сохранять всю запись.
2. Управление историей требует специальных инструментов и обработки каждой отдельной таблицы.
3. Изменение структуры таблицы требует изменения структуры таблицы лога, что опять же делается для каждой таблицы одинаково и в вашем вариенте не зависит от размера таблицы.
Как избавится от этих проблем можно посмотреть в Ultimate 2C
Почему вы отбрасываете вариант знаний «функция гладкая, с конечными известными мин и макс».
Это примерно то, что мы знаем про то, что происходит у нас. Осталось придумать, что такое интерполяция :)
Я нигде не сказал, что нейросеть должна обучаться сама. Я сказал, что возможно, мы сможем для нашего частного случая реализовать механизм обучения сети (с минимальным вмешательством человека — он задает что «от сих до сих — обучающая выборка, а дальше живут драконы»)
Боюсь, что в ближайшее время посмотреть как устроен поиск яндекса и гугла не смогу.
П.С. Как написано — я буду благодарен любым полезным советам. Можете подробнее описать, чем вы занимаетесь 10 лет, какие у вас предложения?
Речь идет о поиске отклонений в весьма структурированном наборе данных.
И, если для скалярных параметров наверно можно использовать простые приемы типа среднего квадратичного (хотя я не пробовал) то для векторов я уже не знаю что делать. Классический вектор — последовательность событий с привязкой ко времени.
Итак, есть IEM-система. Это следующее поколение развития систем автоматизации предприятия. И для текущей задачи можно считать, что это просто свежая ERP система, в которой все данные о предприятии согласованы, достоверны, лежат в единой базе в структурированном виде и т.д. и т.п.
Соответственно, есть куча информации о действиях пользователей системы, контрагентов их параметрах (типа оборачиваемости, движения денег, рентабельности вплоть до конкретной единицы SCU). Параметров таких можно набрать сотни и тысячи.
Необходимо решить задачу выделения значимых параметров, построения гипотез, расчета и поиска соответствующих моделей. Как пример можно приводить менеджеров по продажам. Их 1000 человек, и все делают примерно одинаковые операции. Но кто-то (возможно) делает что-то не так как остальные.
Можно, конечно, пытаться искать например тех, у кого больше возвратов в гарантию, или маленькая рентабельность. Можно опускаться до уровня отдельных операций — продаж, закупок перемещений и рассматривать параметры этих отдельных операций.
Но хочется попробовать сделать схему, при которой будет сформулирован алгоритм который позволит выявить значимые параметры (или определить, что таких нет), и далее найти метод нахождения «подозреваемых» которые чем-то отличаются.
Какие методы тут использовать — вопрос к специалистам по ML, матстатистике и прочим нейросеткам.
И собственно за это мы готовы платить.
Есть миллион всяких параметров. Надо каким-то образом определить значимые.
Но логику Вы поняли правильно.