Добрый день! Разберем все ваши вопросы по порядку.
1. А вопросы про перс данные и про бизнес-данные в облаке вы прорабатывали?
Конечно, соблюдение законодательства РФ в вопросе о персональных данных – одна из наших основных задач. Сегодня нет ограничений по использованию облачных технологий для сбора, хранения и последующей обработки персональных данных при выполнении 152 ФЗ РФ.
Все облачные продукты SAP, представленные в локальном дата-центре, сертифицированы ФСТЭК. А это значит, что наши облака соответствует требованиям 21 приказа ФСТЭК, в котором описаны организационные и технические меры по защите персональных данных, а также что они прошли проверку аккредитованными органами по аттестации. Соответственно, причин не использовать персональные данные в облачных решениях у нас нет.
Собранные и хранящиеся на территории РФ персональные данные впоследствии могут выноситься за пределы территории государства. Повторная локализация таких данных не требуется, потому что обязанности оператора, предусмотренные законом, уже выполнены. Таким образом, собранные персональные данные должны сохраняться в первичных базах данных на территории России, а затем допускается их трансграничная передача за пределы РФ. Такие зарубежные базы данных могут использоваться для резервного копирования, рекламы, оказания различных услуг и так далее.
2. Доверие к облакам будет только падать, ибо их сложность запредельна и там всегда будет что-то ломаться. Вон гугл упал, Ажур упал, AWS так тот вообще периодически падает — в это время рассказывать про «у нас крутое облако»… ну такое…
На наш взгляд, доверие к облакам будет только расти по мере их применения различных индустриях. Об этом говорят и российские менеджеры и международные исследовательские компании. Например, Forrester прогнозирует рост инфраструктуры публичных облаков в 2021 года на 35%, что в денежном выражении составит порядка 120 млрд. долларов.
Организации все чаще используют облачные сервисы для новых инициатив или для замены существующих систем. А это означает, что расходы на традиционные ИТ-решения перераспределяются в облако. Результатом является то, что Gartner называет переходом к облачным технологиям, и это происходит все чаще из-за растущего предпочтения концепции «сначала облако». Согласно исследованиям Gartner, к 2024 году более 45% ИТ-расходов на системную инфраструктуру, ее программное обеспечение, прикладное программное обеспечение и аутсорсинг бизнес-процессов переместятся с традиционных решений в облачные.
Поэтому нет оснований сомневаться, что будущее за облаками в том числе и в России.
3. И самое вкусное на потом — а вы много видели маркетологов которые по-настоящему умеют всем этим пользоваться (что вы перечислили в статье)? Я за свою карьеру встречал пару раз, и как правило они свои инструменты получали. Причем достаточно быстро, ибо понимали что просили. А без этого понимания — ну красивые картиночки которые могут объяснить все — начинания от зуда в левой пятке и закачивания струнной теорий.
Сегодня данные и аналитика стали уже фактически основой маркетинга большинства компаний, в том числе и в секторе среднего и малого бизнеса. Наличие необходимых знаний и навыков у маркетологов имеет решающее значение для достижения максимальной эффективности в их работе. Да и мы с вами регулярно получаем индивидуальные предложения именно как следствие обработки данных о нашем поведении, предпочтениях и привычках.
Тот же Gartner провел анализ рынка труда и в результате пришел к выводу, что потребность в маркетологах-аналитиках существенно выросла за последние несколько лет. Вот только некоторые из ключевых навыков современного маркетолога:
• Сбор данных из различных источников и построение витрин
• Применение статистических алгоритмов для более глубокого понимания информации
• Визуализация показателей в отчетах и дашбордах
Работая с Российскими заказчиками, мы полностью подтверждаем данные Gartner. Особенно критичными аналитические навыки маркетологов стали в ритейле, банковском секторе и телекоммуникационных компаниях, но не только. Поэтому мы уверенны, что решения класса SAP Data Warehouse Cloud имеют хорошие перспективы применения в России. И кстати, не только в области маркетинга. Если посмотреть на Excel-файлы маркетологов, вы поймете, что SAP Data Warehouse Cloud будет очень простым и понятным. Можете попробовать сами 30-days Trial.
Добрый день! На самом деле дата, как раз на уровне базы данных, хранится в формате YYYYMMDD, а на уровне представления уже происходит преобразование в локальный формат, настроенной у пользователя. Например, 01.11.2020 для России или 2020.11.01 для Северной Америки. Таким образом, любые сортировки работают корректно.
Сама платформа не ускоряет непосредственно написание и отладку кода, для этого используются привычные всем разработчикам инструменты, доступные и без SAP. Но что действительно ускорят разработку решений — это использование в решении множества готовых сервисов. Это могут быть сервисы, включенные в Kyma по умолчанию, такие как хранилище данных, резервное копирование, брокер сообщений и разнообразная аналитика и мониторинг. Разумеется, это сервисы платформы SCP: авторизационные сервисы, управление мастер-данными, воркфлоу, интеграционные сервисы (библиотеки коннекторов к большинству решений SAP и не только) и многие другие. Kyma предполагает также прозрачное использование сервисов ведущих гиперскейлеров, таких как AWS, Azure, GCP. Все это объединено в единый каталог сервисов, удобный для использования разработчиком в своих приложениях. Таким образом разработчик может не только быстрее создать код на нашей платформе, но сильно сэкономить время за счет использования сервисов, реализующих самые современные технологии. При этом сервисы эти развернуты, опубликованы и полностью «готовы к употреблению», что позволяет снизить порог входа в ту или иную технологию.
Идеологически OpenShift и Kyma похожи. Обе платформы созданы над kubernetes. Kyma в дополнение к инструментам управления инфраструктурой содержит еще и множество инструментов разработки.
Нет, вы посчитали не совсем правильно.
Все строки будут обработаны в цикле, и это не 100 транзакций (на каждую), а одна. То есть по вашему сценарию получается 500 евро в месяц, а не 2000.
На наш взгляд, рынок RPA сейчас действительно переживает подъем, связанный с удобством массового применения данной технологии. Конечно же, в некоторых случаях интеграция является правильным решением, но RPA может ее заменять при необходимости быстрого и недорогого решения задачи.
Как вы верно заметили, эту задачу возможно решить по-другому, например, силами (одного) разработчика. Но важно принимать во внимание факт, что программист может покинуть компанию и забрать с собой знание о том, как работает скрипт. А также в организациях, как правило, существует более, чем один процесс подходящий под RPA. Представьте, что таких скриптов сотни. Каждый из них нужно поддерживать. И в данном случае специализированное RPA решение даёт возможность оркестрации ботов, показывает аналитику по отработке различных сценариев, позволяет определять на каких машинах тот или иной робот должен запускаться, грубо говоря, управлять этими процессами на корпоративном уровне.
Также с точки зрения лицензирования у нас применен подход, основанный на количестве запусков робота, либо роботов. Вы можете оценить стоимость использования сервиса SAP Intelligent Robotic Automation здесь: www.sap.com/products/cloud-platform/pricing/estimator-tool.html
Добрый день!
В тех случаях, когда у системы нет открытого API, времени или возможности разработки, простой альтернативой интеграции может выступать RPA-бот. Его разработка может занять (как в данном случае) лишь несколько дней. Кроме того, можно работать с несколькими сервисами, в том числе внешними, в рамках одного процесса. Например, проверка клиента при открытии счета в банке. В этом случае время, требуемое на интеграцию, также существенно возрастает, и могут возникнуть сложности, обозначенные выше. Это связано с отсутствием возможности забрать данные через API.
В данном случае работа с сайтом СПАРК была выбрана для создания примера на базе известной многим системы, с понятным и крайне востребованным процессом в закупках.
SAP Predictive Analytics позволяет самим бизнес-пользователям в автоматическом режиме строить модели машинного обучения. На текущий момент это самая востребованная функциональность решения. Аналогов данному продукту у SAP пока нет, решением пользуются многие наши клиенты из нефтегаза, ритейла, химии и финансового сектора. Часто в крупных компаниях встречается несколько инсталляций в разных бизнес-подразделениях.
SAP Data Intelligence – это инструмент для специалистов в ИТ и машинном обучении.
Что касается Leonardo ML Foundation – это часть решения SAP Data Intelligence.
Добрый день! Спасибо за ваши мнения. Мы постарались сделать видео, которое будет интересно всем специалистам по работе с данными. В будущем примем ваши комментарии во внимание.
Добрый день. Участие бесплатно для всех посетителей SAP Форума. Также в личном кабинете после регистрации будет доступна онлайн-трансляции из всех 7 залов. Регистрация — sapnow.ru/sign-up.
Как правило, железо на базе Intel обновляется поставщиками hardware раз в два года. Чтобы извлечь из каждой платформы максимальные возможности, мы адаптируем свой софт – в частности, для SAP HANA мы используем в последних моделях Intel CPU так называемые инструкции CPU. Они позволяют обрабатывать транзакции на уровне CPU – благодаря этому новшеству мы повысили скорость вставки в 7 раз.
Перечислять такие изменения можно долго. По сути, каждая новая hardware-платформа открывает новые возможности для нашего программного обеспечения, наши клиенты получают их и пользуются ими.
По поводу поддержки поставщиков других БД – SAP не отказывает в поддержке другим вендорам баз данных, пожалуйста, ориентируйтесь на официальные ноты и документы.
В нашем случаи мы использовали небольшую программу LabelImg. В этой программе, как и было описано, мы выделяли на фотографии интересующие нас объекты рамкой. Далее — для каждой фотографии программа создает XML файл с координатами рамок и именем этой рамки. Затем все эти XML файлы собираются в два CSV файла для тренировочной и тестовой выборки. Оба данных файла вместе с изображениями передаются в object detection.
Более подробно про object detection можно почитать здесь. Тут — хорошая пошаговая инструкция с установкой, разметкой и обучением. А здесь хорошая серия из 6 уроков, в котором человек в видео и текстовом варианте рассказывает про object detection и обучает модель.
В этой статье мы описали наши базовые эксперименты и изыскания в рамках решения действительно сложной задачи. Хотим отметить, что показанное решение (бейзлайн) было реализовано всего за 2 недели, было рассчитано для демонстрации на ценниках определенного формата в одной сети магазинов и ни в коем случае не претендует на великолепные результаты при боевом тестировании на нетипичных ценниках.
Мы осознанно экспериментировали над несколькими моделями распознавания, которые имеют разные характеристики качества и быстродействия. Модель SSD была выбрана, потому что на данном этапе было необходимо продемонстрировать возможность быстрого распознавания на мобильном устройстве и через веб-сервис. Мы хотели сделать статью лаконичной, поэтому осознанно оставили детали наших изысканий (в том числе описание проблемных ситуаций, которые мы сейчас решаем) для следующих статей.
Спасибо за вопрос! Модель весит 20 Мб и достаточно шустро работает под TF-Lite на мобильном. Оптимизацией модели пока не занимались, но рассчитываем это сделать в ближайшей перспективе и рассказать о результатах в следующей статье. По теме редукции нейронных сетей советуем недавнюю публикацию на Хабре
Да, такая возможность присутствует. В процессе дизайна интеграции вы можете использовать дополнительные атомы для вызова внешних систем.
Каждый атом получает входящее сообщение, выполняет определенные задачи и передает сообщение следующему атому.
Интеграционная платформа (Integration Framework) поставляется с уже преднастроенными сценариями интеграциями для основных SAP-систем. Пакет интеграции с SAP ERP также входит в поставку. Можно использовать его как есть, а можно модифицировать под требования клиента. При этом никакой дополнительной лицензии на такую интеграцию не требуется.
Если объяснить просто, то модель в 78% случаев верно сделает прогноз в том, что направление движения цены в следующие 15 минут будет положительным или отрицательным. При этом предположение о том, сколько пройдет цена, не делается.
1. А вопросы про перс данные и про бизнес-данные в облаке вы прорабатывали?
Конечно, соблюдение законодательства РФ в вопросе о персональных данных – одна из наших основных задач. Сегодня нет ограничений по использованию облачных технологий для сбора, хранения и последующей обработки персональных данных при выполнении 152 ФЗ РФ.
Все облачные продукты SAP, представленные в локальном дата-центре, сертифицированы ФСТЭК. А это значит, что наши облака соответствует требованиям 21 приказа ФСТЭК, в котором описаны организационные и технические меры по защите персональных данных, а также что они прошли проверку аккредитованными органами по аттестации. Соответственно, причин не использовать персональные данные в облачных решениях у нас нет.
Собранные и хранящиеся на территории РФ персональные данные впоследствии могут выноситься за пределы территории государства. Повторная локализация таких данных не требуется, потому что обязанности оператора, предусмотренные законом, уже выполнены. Таким образом, собранные персональные данные должны сохраняться в первичных базах данных на территории России, а затем допускается их трансграничная передача за пределы РФ. Такие зарубежные базы данных могут использоваться для резервного копирования, рекламы, оказания различных услуг и так далее.
2. Доверие к облакам будет только падать, ибо их сложность запредельна и там всегда будет что-то ломаться. Вон гугл упал, Ажур упал, AWS так тот вообще периодически падает — в это время рассказывать про «у нас крутое облако»… ну такое…
На наш взгляд, доверие к облакам будет только расти по мере их применения различных индустриях. Об этом говорят и российские менеджеры и международные исследовательские компании. Например, Forrester прогнозирует рост инфраструктуры публичных облаков в 2021 года на 35%, что в денежном выражении составит порядка 120 млрд. долларов.
Организации все чаще используют облачные сервисы для новых инициатив или для замены существующих систем. А это означает, что расходы на традиционные ИТ-решения перераспределяются в облако. Результатом является то, что Gartner называет переходом к облачным технологиям, и это происходит все чаще из-за растущего предпочтения концепции «сначала облако». Согласно исследованиям Gartner, к 2024 году более 45% ИТ-расходов на системную инфраструктуру, ее программное обеспечение, прикладное программное обеспечение и аутсорсинг бизнес-процессов переместятся с традиционных решений в облачные.
Поэтому нет оснований сомневаться, что будущее за облаками в том числе и в России.
3. И самое вкусное на потом — а вы много видели маркетологов которые по-настоящему умеют всем этим пользоваться (что вы перечислили в статье)? Я за свою карьеру встречал пару раз, и как правило они свои инструменты получали. Причем достаточно быстро, ибо понимали что просили. А без этого понимания — ну красивые картиночки которые могут объяснить все — начинания от зуда в левой пятке и закачивания струнной теорий.
Сегодня данные и аналитика стали уже фактически основой маркетинга большинства компаний, в том числе и в секторе среднего и малого бизнеса. Наличие необходимых знаний и навыков у маркетологов имеет решающее значение для достижения максимальной эффективности в их работе. Да и мы с вами регулярно получаем индивидуальные предложения именно как следствие обработки данных о нашем поведении, предпочтениях и привычках.
Тот же Gartner провел анализ рынка труда и в результате пришел к выводу, что потребность в маркетологах-аналитиках существенно выросла за последние несколько лет. Вот только некоторые из ключевых навыков современного маркетолога:
• Сбор данных из различных источников и построение витрин
• Применение статистических алгоритмов для более глубокого понимания информации
• Визуализация показателей в отчетах и дашбордах
Работая с Российскими заказчиками, мы полностью подтверждаем данные Gartner. Особенно критичными аналитические навыки маркетологов стали в ритейле, банковском секторе и телекоммуникационных компаниях, но не только. Поэтому мы уверенны, что решения класса SAP Data Warehouse Cloud имеют хорошие перспективы применения в России. И кстати, не только в области маркетинга. Если посмотреть на Excel-файлы маркетологов, вы поймете, что SAP Data Warehouse Cloud будет очень простым и понятным. Можете попробовать сами 30-days Trial.
Все строки будут обработаны в цикле, и это не 100 транзакций (на каждую), а одна. То есть по вашему сценарию получается 500 евро в месяц, а не 2000.
На наш взгляд, рынок RPA сейчас действительно переживает подъем, связанный с удобством массового применения данной технологии. Конечно же, в некоторых случаях интеграция является правильным решением, но RPA может ее заменять при необходимости быстрого и недорогого решения задачи.
Также с точки зрения лицензирования у нас применен подход, основанный на количестве запусков робота, либо роботов. Вы можете оценить стоимость использования сервиса SAP Intelligent Robotic Automation здесь: www.sap.com/products/cloud-platform/pricing/estimator-tool.html
В тех случаях, когда у системы нет открытого API, времени или возможности разработки, простой альтернативой интеграции может выступать RPA-бот. Его разработка может занять (как в данном случае) лишь несколько дней. Кроме того, можно работать с несколькими сервисами, в том числе внешними, в рамках одного процесса. Например, проверка клиента при открытии счета в банке. В этом случае время, требуемое на интеграцию, также существенно возрастает, и могут возникнуть сложности, обозначенные выше. Это связано с отсутствием возможности забрать данные через API.
В данном случае работа с сайтом СПАРК была выбрана для создания примера на базе известной многим системы, с понятным и крайне востребованным процессом в закупках.
SAP Data Intelligence – это инструмент для специалистов в ИТ и машинном обучении.
Что касается Leonardo ML Foundation – это часть решения SAP Data Intelligence.
Перечислять такие изменения можно долго. По сути, каждая новая hardware-платформа открывает новые возможности для нашего программного обеспечения, наши клиенты получают их и пользуются ими.
По поводу поддержки поставщиков других БД – SAP не отказывает в поддержке другим вендорам баз данных, пожалуйста, ориентируйтесь на официальные ноты и документы.
Более подробно про object detection можно почитать здесь. Тут — хорошая пошаговая инструкция с установкой, разметкой и обучением. А здесь хорошая серия из 6 уроков, в котором человек в видео и текстовом варианте рассказывает про object detection и обучает модель.
В этой статье мы описали наши базовые эксперименты и изыскания в рамках решения действительно сложной задачи. Хотим отметить, что показанное решение (бейзлайн) было реализовано всего за 2 недели, было рассчитано для демонстрации на ценниках определенного формата в одной сети магазинов и ни в коем случае не претендует на великолепные результаты при боевом тестировании на нетипичных ценниках.
Мы осознанно экспериментировали над несколькими моделями распознавания, которые имеют разные характеристики качества и быстродействия. Модель SSD была выбрана, потому что на данном этапе было необходимо продемонстрировать возможность быстрого распознавания на мобильном устройстве и через веб-сервис. Мы хотели сделать статью лаконичной, поэтому осознанно оставили детали наших изысканий (в том числе описание проблемных ситуаций, которые мы сейчас решаем) для следующих статей.
Будем рады вашим советам!
Каждый атом получает входящее сообщение, выполняет определенные задачи и передает сообщение следующему атому.