Записи Дмитрий Гольцов

Анализ «Что Если» в PolyAnalyst: инструмент управления параметрами «на лету» для моделирования целевых показателей Анализ «что если» (по определению профессора Энтони Аткинсона) — это анализ, который исследует влияние изменения параметра на результат. Цель анализа «что если» — помочь лицам, принимающим бизнес-решения, понять последствия изменений, а не действовать вслепую. Данный анализ разделяется на два типа. Качественный анализ «что если» (сценарный анализ) подразумевает разработку различных сценариев и методов преодоления рисков (угроз). В свою очередь количественный анализ «что если» (анализ чувствительности) представляет собой оценку влияния различных переменных на результат. Именно количественный тип анализа доступен в PolyAnalyst. Он построен на механизме создания переменных. Эти переменные могут представлять из себя, как числовые, так и текстовые значения. Переменные могут быть частью математического уравнения, подаваться как независимая колонка в модель машинного обучения или представлять из себя промпт (часть промпта), подаваемые в большую языковую модель. Сами значения переменных задаются аналитиком из веб-отчета, где он и получает в режиме реального времени результат…

Формы в системе PolyAnalyst: генерация шаблонных документов Одним из вариантов применения форм ввода данных PolyAnalyst является конструктор шаблонных документов. Это интерактивная система, построенная на базе отчетов PolyAnalyst. Для примера можно рассмотреть конструктор должностных инструкций — документа, регламентирующего производственные полномочия и обязанности работника. Конструктор позволяет вводить данные и выбирать параметры для формирования инструкции под определенную должность. Инструкция автоматически генерируется в виде документа Word.  Пример интерфейса конструктора должностных инструкций Пример генерируемого документа Эффекты и преимущества использования конструктора Сокращение ручного труда оценивается в 7% от общей загрузки специалиста. Снижает вероятность ошибок, которые могут возникнуть при ручном вводе данных. На основании одной типовой конструкции можно создать сотни вариантов документов. Для построения и работы с конструктором не нужно обладать специальными знаниями. PolyAnalyst обеспечивает безопасное хранение и передачу документов, а также контроль доступа к конфиденциальной информации. Все сотрудниками работают с одними и теми же параметрами и атрибутами документов, устраняется несгласованность. Протестируйте конструктор должностных инструкций на демо-стенде Построить…

Формы ввода в системе PolyAnalyst: оптимизация сбора данных Данные для корпоративной аналитики собираются из десятков типов источников, однако одним из наиболее  популярных и потому довольно проблемных способов получения данных является их ручной ввод через MS Excel. Человеческий фактор Ввод данных в excel и ручная консолидация информации увеличивают вероятность ошибок.   Временные затраты Сбор данных в Excel часто требует значительных временных затрат на проверки и изменения расчетных показателей.   Сложность управления версиями При работе с несколькими файлами Excel существует риск путаницы из-за различных версий документов.   Сложности при совместной работе В Excel сложно работать с одним файлом одновременно нескольким пользователям. Альтернативный подход с помощью форм ввода PolyAnalyst Формы это компонент веб-отчетов PolyAnalyst, которые позволяют свободно конструировать и размещать на нескольких страницах отчета взаимосвязанные наборы полей различного типа. Доступные формы: Указатель даты  Флажок Список с галочками Поле ввода (числовое/текстовое) Список выбора Ползунок Возможности форм ввода: Безопасность — данные не утекают наружу Автоматизация…

PolyAnalyst для разработки решений на основе коллаборативного мультиагентного ИИ Самые частые сценарии использования генеративного ИИ Часть задач можно успешно решить с помощью всего одной ИИ-системы. Но присутствует ряд препятствий: Галлюцинации: Неприемлемо высокий уровень ошибок Нет рассуждений: Нет встроенного механизма самопроверки результатов. Идет активная работа над новыми моделями, способными рассуждать Нет ручной проверки: Требуемые время и усилия могут перевесить все преимущества от использования ИИ Контекстное окно мало: Не более 128 тысяч токенов. DeepSeek – 1 млн токенов Не решает задачи: Большинство реальных бизнес-задач слишком сложны для одной ИИ-системы Отдельно взятая ИИ-система не справляется с бизнес-задачами, выходящими за рамки составления краткого содержания или генерации контента на основе предыдущего контекста. Многие бизнес-задачи требуют мультиагентного подхода, подробнее о применении которого в системе PolyAnalyst вы узнаете из записи нашего вебинара: Альтернативная ссылка на запись на Youtube Презентация из вебинара Презентация из вебинара

Применение инструментов текстового анализа NLP для обработки множества таблиц Excel В видео продемонстрирован один из вариантов применения инструментов текстового анализа NLP для массовой интеллектуальной обработки электронных таблиц. На примере нескольких таблиц Excel, содержащих отчет по исполнению бюджета одного из регионов России проводится пакетная загрузка наборов таблиц.  Далее ML модели под капотом PolyAnalyst разбирают таблицы, как текстово-табличные документы. Это позволяет применять NLP инструменты, в частности проводить извлечение из таблиц сущностей (денежные суммы, компании, геоадминистративные объекты, даты и т.д.).  Что самое важное, аналитик может задавать правила для извлечения элементов таблиц (колонок, строк, ячеек) со специфическим содержимым. Для примера демонстрируется, как можно извлекать суммы дохода по статьям, содержащим акцизные сборы за продажу всевозможных продуктов нефтепереработки (бензина, дизеля, газойля и т.д.). Для этого возможно использовать встроенный в систему менеджер словарей, где создаются необходимые справочники (в данном кейсе справочник продуктов нефтепереработки) и с помощью однострочного правила обрабатывать одновременно сотни таблиц.  Созданный в PolyAnalyst справочник продуктов…

Генеративный ИИ для автоматического анализа информации о ДТП в регионах 21 января 2025 Анализ данных о дорожно-транспортных происшествиях (ДТП) – сложная задача, требующая обработки больших объемов информации из различных источников, часто представленных в неструктурированном виде. Одним из источников, содержащих открытые данные, могут быть социальные сети и прочие Интернет-ресурсы. Ключевую роль в обработке неструктурированных данных играет генеративная модель MegaGPT от компании Мегапьютер. Она  способна анализировать текстовую информацию,  выявлять ключевые сущности,  связи между ними и извлекать релевантную информацию о ДТП, такую как населенный пункт, адрес, тип ДТП, дата и время, число пострадавших и погибших, а также формирует краткое описание и выдает прочие важные детали. В свою очередь система PolyAnalyst проводит очистку слабоструктурированных ответов языковой модели и формирует наглядный графический отчет. Как и сценарий очистки данных, так и отчет построены без программирования по принципу low-code, что позволяет легко и без привлечения специалистов в ИТ модернизировать и наполнять аналитическое решение новым функционалом. Скачать презентацию…

Расчет статистической значимости показателей при проверке гипотез в системе PolyAnalyst 19 сентября 2024 Команда Мегапьютер подготовила очередное краткое видео посвященное практическому применению инструментов PolyAnalyst. На этот раз мы хотим рассказать, как в нашей системе возможно реализовать расчет статистической значимости разницы показателей в новых (тестовых) и исторических данных. Статистическая значимость — это одно из ключевых понятий в статистике, которое помогает аналитикам определить, насколько вероятно, что наблюдаемые различия или взаимосвязи в разных наборах данных (например тестовых и исторических) являются результатом случайности, а не реального эффекта. Статистическую значимость очень часто применяют в маркетинге, например для того, чтобы проверить эффект от внедрения рекламной кампании или при сборе обратной связи от клиентов относительно продаваемых продуктов. Она помогает определить, насколько стоит верить таким опросам. Частой задачей расчета статистической значимости является определение того, не устарел ли наш продукт, не требует ли он обновления, будет ли обновление продукта способствовать стабильному росту продаж, при том, что его тестовые продажи…