Visoke tehnologije prodirajo v vse veje poslovanja in industrije, seveda ne izključuje metalurgije. Zaradi različnih tehnologij metalurška podjetja učinkoviteje uporabljajo vire, spremljajo kakovost izdelkov in izboljšujejo kontinuiteto proizvodnega procesa.
Vendar ni meja za popolnost! Zato smo se v PJSC Severstal skupaj z McKinseyjem in ob podpori ruskih hekerjev odločili izvesti spletni hackathon za analitike in razvijalce na področju rudarjenja in analitike podatkov. Morda ste samo vi ali vaši prijatelji?
Kdo lahko sodeluje
Za sodelovanje v našem hackathonu so samo trije pogoji:Prvič, analiza ali razvoj podatkov je vaš poklic ali hobi.
Drugič, lahko sodelujete kot ena oseba ali ekipa do 5 ljudi.
Tretjič, za prejem nagrade mora ekipa imeti vsaj enega državljana Ruske federacije, starejšega od 18 let.
Če še nimate soigralcev, a bi se radi z nekom združili, jih lahko poiščete v hackato klepetu na Telegramu ali v razdelku Iskanje ekipe na platformi za registracijo. Poleg tega lahko organizatorji pomagajo.
Pomembna točka - za delo ne potrebujete zmogljivega prenosnika ali osebnega računalnika. Dovolj je delujoč računalnik in dostop do interneta. Sodelujete lahko od koder koli na svetu.
Naloge za udeležence
Za udeležence hackathona smo pripravili štiri naloge.Naloga 1. Upravljanje likvidnosti Bistvo naloge:
Izvedite večletno študijo podatkov o stroških energije, analizirajte možnosti obogatitve z zunanjimi podatki, identificirajte pomembne vplivne dejavnike, zgradite napovedni model s postopno razlago načel gradnje.
Rezultat je Jupyter Notebook, ki je razumljiv tako za analitike kot za poslovnega uporabnika s podrobno analizo raziskovalnih podatkov (EDA).
Ključna vprašanja za udeležence:
Katere vzorce denarnega toka v okviru kodeksov podjetij vam je uspelo prepoznati kot rezultat EDA? Kakšne povezave so bile ugotovljene v študiji?
Ali je mogoče uganiti, katere dni bodo transakcije potekale v prihodnosti? Preverite svoje rezultate glede na razpoložljive podatke, kateri MARE ste dobili?
Poskusite sestaviti diagram denarnega toka na podlagi identificiranih vzorcev za Q1-2 2021 (naveden bo primer).
Kateri podatki bi po vašem mnenju lahko pomagali pri izdelavi natančnejše napovedi? Predlagajte shemo za zbiranje novih podatkov: pogostost, granularnost in drugi potrebni parametri. V predstavitvi razmislite, kako nameravate te podatke uporabiti za rešitev težave.
Zakaj je pomembno:
Severstal nenehno izboljšuje kakovost načrtovanja, kar omogoča učinkovitejšo razporeditev finančnih sredstev in prihranek pri finančnih stroških.
Naša naloga na tem hackathonu je najti vpoglede za povečanje natančnosti napovedovanja prihodkov in odhodkov po likvidnostnih postavkah.
Naloga 2. Spremljanje cen Bistvo naloge:
Razvijte orodje, ki bo specialistu pomagalo načrtovati ceno za nakup rezervnih delov za posebno opremo. tehniko.
K nalogi pristopite kreativno: ustvarite orodje za napovedovanje prihodnosti ali storitev »cheat sheet« za uporabnika z analizo specifičnih izdelkov in cenovnih možnosti (v primeru stroškovnega modela).
Pri nalogi je treba razviti principe algoritemskega preslikavanja imen in značilnosti blaga, raziskati odvisnosti med podatki.
Izhod je ponovljiva koda in predstavitev storitve.
Ključna vprašanja za udeležence:
Razvili ste orodje, ki bo strokovnjaku omogočilo načrtovanje nakupne cene na podlagi notranjih in zunanjih dejavnikov. Povejte nam, katere zunanje podatke ste uspeli zbrati? Kako menite, da lahko ti podatki vplivajo na načrtovanje in spremljanje cen blaga?
Kako bi izgledal postopek uporabe orodja za načrtovalca? Z ilustracijami opišite poslovni proces.
Razvito orodje naj bi omogočalo vizualizacijo podatkov o izdelkih in nalaganje podatkov v Excel za "hitro" poročilo. Pokažite možnosti informativne vizualizacije in pripravite kodo za generiranje poročila ter vzorčnega poročila.
Kateri notranji podatki manjkajo za izboljšanje kakovosti načrtovanja?
Zakaj je pomembno:
Severstal obdeluje na desetine skupin izdelkov v razsutem stanju, ko načrtuje proračune za nakup. Za povečanje hitrosti in natančnosti obdelave se upošteva alternativni scenarij za načrtovanje nabavnih cen za najbolj priljubljene kategorije blaga z uporabo algoritmov, ki temeljijo na pridobivanju podatkov.
Naloga 3. Samodejno iskanje dobaviteljev Bistvo naloge:
Naloga je sestavljena iz več blokov:
razvoj algoritma za razčlenitev blaga
raziskovanje možnih podatkov v zunanjih virih
razvoj programa za pripravo informacij v zahtevanem kontekstu (ocena produkt vs dobavitelj)
Izhod je ponovljiva koda in predstavitev storitve.
Ključna vprašanja za udeležence:Svojo odločitev opišite na naslednji način: seznam najdenih dejavnikov, algoritem za iskanje teh dejavnikov v zunanjem okolju, merila za razvrščanje nasprotnih strank po njih v povezavi z vsakim produktom (morda niso vsi dejavniki relevantni za vse produkte). Z ilustracijami opišite poslovni proces.
Kot del vaše odločitve je treba dopolniti podatke o nasprotni stranki, ki spada v nomenklaturo. Zlasti je lahko TIN / KPP, pravni. naslov, status, finančno kazalniki, ocene o podjetju itd.
Katere vpoglede v dobavitelje in pristope k razvrščanju ste odkrili?
Razvito orodje naj bi omogočalo vizualizacijo podatkov o dobaviteljih s sklicevanjem (ob upoštevanju razvrstitve) na blago.
Zakaj je pomembno:
Avtomatizacija procesa iskanja, začetnega preverjanja in osnovnega razvrščanja dobaviteljev v okviru posamezne skupine izdelkov je odskočna deska k dodatni transparentnosti pri nakupnih odločitvah in poenostavitvi poslovnega procesa.
Naloga 4. Analiza nasprotnih strank Bistvo naloge:
Izvedite študijo razpoložljivih podatkov in poskusite napovedati zamudo za nasprotno stranko, predlagajte, kako obogatiti model z drugimi podatki.
Rezultat je razumljiv Jupyter Notebook za analitike in poslovne uporabnike s podrobno analizo raziskovalnih podatkov (EDA) in ponovljivo kodo rešitve, predprocesiranjem, modeliranjem in sklepi.
Od nas - podatki o nasprotnih strankah za 2 leti, seznam kazalnikov za analizo, vzorec za usposabljanje modela.
Ključna vprašanja za udeležence:
Predstavljeni so vam podatki za različna leta z drugačnim naborom informacij. Izvedite EDA, poskusite identificirati in vizualizirati odnose ter poudariti najpomembnejše dejavnike, opišite svoje ugotovitve.
Ali je mogoče na podlagi podatkov za pretekla leta za nasprotno stranko napovedati za naslednje leto: a) dejstvo zamude; b) zamude nad 30 dni; c) zamude v razponu od 60 do 90 dni?
Katere dodatne podatke bi lahko dodali za izboljšanje natančnosti napovedi?
Zakaj je pomembno:
Povečanje natančnosti napovedovanja prestopnine vam omogoča natančnejše načrtovanje dobičkonosnosti in možnih tveganj.
Kdaj lahko začnem?
Prijavite se lahko na tej povezavi do 8. marca. Izpolniti morate vprašalnik, ustvariti ekipo in povabiti podobno misleče ljudi ali sodelovati sami.Od 22. februarja do 8. marca bo potekala kvalifikacijska faza, oddati boste morali rešitev za eno od štirih predlaganih nalog. 14. marca bomo objavili rezultate izbora.
Zadnja faza hackathona bo potekala od 18. do 20. marca. Finalisti bodo lahko svoje rešitve izpopolnili ob boku s poslom. V tej fazi ekipe sodelujejo na spletnih kontrolnih točkah s strokovnjaki in naložijo končno rešitev na platformo za registracijo.
20. marca so vsi finalisti vabljeni, da svoje rešitve predstavijo v pisarni. Izvajanje bo možno prek spleta. Po razglasitvi rezultatov je predvidena podelitev, after-party in mreženje v pisarni s sodelovanjem strokovnjakov Severstal in McKinsey.
Kaj prejmejo udeleženci?
Nagradni sklad vključuje tako denarne nagrade kot blago:700.000 rubljev - skupni nagradni sklad hackathona.
4 nagrade po 100 tisoč rubljev za najboljšo rešitev vsake skladbe
200 tisoč rubljev bo prejelo najboljšo rešitev celotnega hackathona, 100 tisoč rubljev pa najboljšo rešitev po mnenju udeležencev.
Na koncu kvalifikacijske faze bodo udeleženci prejeli 160 kompletov blaga.
5 plišastih maskot bo šlo v roke zmagovalcem nagradne igre.
Zmagovalce čakajo nagrade! Edina stvar je, da se prijavite in sodelujete. Dodatne informacije lahko dobite na spletni strani hackathona ali v klepetalnici Telegram.
bbabo.Net