Вчера выступал на КРЭБ-2020 (Форум Конкурентная разведка и экономическая безопасность) на тему профайлинга и человеческого фактора в структуре корпоративной безопасности. Кстати, моя тема, как всегда вызвала большой интерес.

Эта тема очень актуальна, поскольку в период пандемии и удаленной работы, количество утечек конфиденциальной информации существенно возросло, а количество мошеннических схем – увеличилось в разы.

Многое из этого поможет решить наш автоматизированный модуль профайлинга SearchInform ProfileCenter, который на основе анализа паттернов взаимодействия пользователя и с корпоративным компьютером, способен создать очень точный и подробный (на 12 страниц) психологический портрет, включающий в себя оценку большого количества рисков и факторов.

Буквально 2 месяца тому назад нас наградили престижнейшей премией мэра Москвы «Новатор Москвы» в номинации IT и искусственный интеллект, признав нашу кадровую аналитику лучшей на рынке.

Вчера во время выступления схватил важный инсайт.
По сути профайлинг это тоже самое, что и People Analytics. А People analytics – это ключевой тренд развития не только многих важных отраслей, но и всего рынка в целом. Лучше понимая человека, его психологию и потребности, можно все сделать гораздо проще и эффективнее. При этом все можно автоматизировать в хорошем смысле этого слова)). Ну а мы вам в этом поможем на самом достойном уровне.

#профайлинг, #цифровойпрофайлинг, #кадровыйпрофайлинг, #HRпрофайлинг, #инновации, #искусственныйинтеллект, #ИИ, #ProfileCenter, #аналитика, #коллеги, #мероприятия, #КРЭБ, #peopleanalytics, #Москва, #безопасность, #СерчИнформ, #Филатов, #ProProfiling

Многие из вас уже знают, что в связи с последними видео Навального, начинает активно обсуждаться вопрос о доступности третьи лицам информации о нас. Об этом я тут писал не раз и неоднократно высказывал своё отношение к этому.

Немного паранойи относительно своих данных в XXI веке иметь нужно.

Поскидываю вам ссылки на свои некоторые важные статьи на эту тему:

Некоторые системы поиска и анализа информации спецслужб РФ
Американский Palantir и его возможности
Цифровой профайлинг и слежка в умном городе
Как Китай следит даже за вами
Полицейский профайлинг в Великобритании
Единая база данных россиян Минюста
Глобальная слежка в эпоху пандемии
Отчет о «Гигантах слежки» от Amnesty International
Ring и чемпионы американской слежки
Отчет Electronic Frontier Foundation о правах в Интернете
Что о вас на самом деле знают Google и Facebook
«Корпоративная слежка в повседневной жизни» отчет от Cracked Labs еще в 2017 г

Конечно в даркнете можно без особых проблем получить доступ к этим и даже еще более интересным и даже пикантным базам. Те базы, о которых говорится в видео Навального, конечно можно достать имея деньги и/или связи. При этом опыт уверенно говорит об одном: как только появляется какая-то важная база данных, она рано или поздно, будет «слита».

Аккуратно относитесь к своим данным: это тоже ценный ресурс. Особенно для некоторых))

#профайлинг, #цифровойпрофайлинг, #расследования, #скандалы, #искусственныйинтеллект, #ИИ, #аналитика, , #peopleanalytics, #Москва, #безопасность, #Филатов, #ProProfiling

Года полтора тому назад я рекомендовал вам почитать книгу Эрика Сигеля «Просчитать будущее». Она о предиктивной аналитике, - правильном названии профайлинга на английском языке. Надеюсь, что кто-то это сделал, потому, что книга хороша и неплохо рассказывает о возможностях предсказания поведения на основе простых данных. Сам Э. Сигель человек хорошо известный в этой среде, имеет опыт аналитики в крупнейших компаниях Forbes.

На выходных, пересматривая старые файлы на компьютере, я нашел вот такую интересную табличку, которую я сам сделал, читая эту книгу. Возможно она вам понравится.

И, кстати, в моем Youtube постепенно увеличивается плэйлист «Библиотека профайлера», в котором я рассказываю к ключевых и небанальных книгах по теме профайлинга и People Analytics: посмотрите и подписывайтесь.

#рецензии, #книги, #профайлинг, #аналитика, #скачать, #Филатов, #профайлинг_филатов, #ProProfiling

Немного отвлеку вас от майских праздников.
У меня для вас 3 новости: две хорошие и одна плохая.

Начнем традиционно с плохой: олды помнят, что еще года 2 тому назад я выкладывал в канал для скачивания хорошие книги по теме профайлинга и детекции лжи, а потом, после прозрачных намеков нескольких издательств перестал это делать. Но все же большинство из них можно скачать по #книги. Так вот, плохая новость в том, что больше я выкладывать сюда книги на русском языке не буду.

Первая хорошая новость в том, что на моем сайте появился раздел «библиотека», где классические книги по профайлингу вы можете скачать бесплатно. Библиотека разделена на разделы «Все книги Филатова» за 500 руб., «Классика профайлинга» и «Профайлинг для продвинутых» - бесплатно, а вот если вы причисляете себя к ценителям и эстетам – то за это не грех и немного заплатить. Библиотека будет постоянно пополняться новинками литературы, которую я сам читаю и рекомендую посмотреть вам.

Ну и вторая хорошая новость: буквально на днях вышло четвертое переиздание учебника «Modern Psychometrics: the science of psychological assessment», одним из авторов которого является тот самый Михал Косински, о котором я тут много раз писал. Книга сжато содержит все тонкости психометрики и точно станет знАковой. В частности Косински неплохо описывает главы про использование в психометрике цифрового следа и технологий искусственного интеллекта. Поэтому книга будет интересна всем, кто серьезно занимается бизнес-психометрикой. Просмотрев книгу, я понял, что мы в нашем ProfileCenter реализовали практически все, что там описано. И даже гораздо больше. И это радует.

#рецензии, #библиотека, #Косински, #мэтры, #bigdata, #datascience, #психометрика, #книги, #профайлинг, #аналитика, #скачать, #Филатов, #профайлинг_филатов, #ProProfiling

«Modern Psychometrics: the science of psychological assessment», М.Косински и соавторы.

#рецензии, #библиотека, #Косински, #мэтры, #bigdata, #datascience, #психометрика, #книги, #профайлинг, #аналитика, #скачать, #Филатов, #профайлинг_филатов, #ProProfiling

Друзья, завтра в 11:00 я проведу бесплатный открытый вебинар «Профайлинг в бизнесе». На нем расскажу о автоматизации профайлинга для корпоративных нужд, значимости автоматизированной кадровой аналитики и аналитики в области безопасности и покажу, как работает наш модуль автоматизированного профайлинга ProfileCenter на реальных кейсах и расследованиях.

Напомню, что наш модуль профайлинга ProfileCenter – единственный в мире программный комплекс автоматизированного профайлинга, созданный для корпоративных клиентов автоматически создающий подробный психологический портрет на основе анализа цифрового следа. Модуль работает на русском и английском языке и отмечен несколькими престижными наградами.

По ссылке – можно зарегистрироваться и встречаемся завтра в 11:00!

#профайлинг, #цифровойпрофайлинг, #кадровыйпрофайлинг, #HRпрофайлинг, #инновации, #искусственныйинтеллект, #ProfileCenter, #аналитика, #безопасность,
#СерчИнформ, #ProProfiling

При этом администрация президента Байдена теперь хочет создать еще одно агентство по модели DARPA, на этот раз для ускорения инноваций в области здравоохранения и медицины. Заявленный бюджет $6.5 млрд на 2022 год, название не искали долго: ARPA-Health.

Об этом одновременно пишут на страницах Science и Nature в своих статьях директор Управления по научно-технической политике (OSTP) Белого дома и директор Национальных институтов здравоохранения (NIH).

Интересно, но в прошлом году Правительство UK объявило о создании своего DARPA, которое назвали ARIA. И деньги не смотря на кризис под это дело выделили огромные. Что касается этой истории в РФ, то она, конечно, тоже идет активно, но гораздо менее открыто.

В общем к чему мы пришли?
Раньше важно было иметь ценную информацию. Теперь она есть у всех.
Потом эту информацию нужно уметь правильно отфильтровать и оценить. Это уже умеют делать не все.
И в завершающей стадии важно на основе правильно собранной и оцененной информации составить прогнозы на будущее, которые должны сбываться. Это умеют делать единицы.

Прямо какой-то самый настоящей профайлинг получается. Но на государственном уровне.

#профайлинг, #цифровойпрофайлинг, #расследования, #скандалы, #искусственныйинтеллект, #ИИ, #аналитика, , #peopleanalytics, #безопасность, #Филатов, #ProProfiling

Сейчас время знаменательных дат.

Во-первых, на выходных этому каналу исполнилось 5 лет. За это время он прошел большую историю: от записок «просто для себя, чтобы не забыть», до как минимум одного из наиболее авторитетного источника информации по теме профайлинга и детекции лжи.

Канал задумывался как источник небанальной, знАчимой и проверенной информации. Именно поэтому здесь нет и не будет постов про «репрезентативные системы», видео про то, что если почесал нос, значит врет и тому подобное. Все это либо очевидно, либо сомнительно, либо вообще не относится к теме.

Канал прошел несколько стадий развития и сейчас по-сути превратился в «Энциклопедию профайлинга», поскольку в канале уже больше 2000 постов.

Спасибо, что все это время вы со мной, это важно.

Во-вторых, год тому назад наша команда автоматизированного профайлинга SearchInform ProfileCenter выиграла премию мэра Москвы «Новатор Москвы» в самой престижной номинации «Искусственный интеллект и IT», а наша кадровая аналитика была признана лучше на рынке. На самом деле это очень значительное достижение, потому, что претендентов на победу было 436, и были не менее шикарные команды и проекты.В этом год я участвую в премии уже как наставник для команд-новичков).

В-третьих, разгоняются наши традиционные осенние РоадШоу – открытые конференции в 25-ти городах РФ и СНГ, посвященные корпоративной безопасности. Среди прочих важных, на них будет и мой доклад посвященный нашему автоматизированному профайлингу. Например, - завтра в Москве, а в четверг уже в Калининграде. Присоединяйтесь: там вы тоже не услышите банальностей.

#профайлинг, #цифровойпрофайлинг, #кадровыйпрофайлинг, #HRпрофайлинг, #инновации, #искусственныйинтеллект, #ИИ, #ProfileCenter, #аналитика, #успехи, #Москва, #безопасность, #СерчИнформ, #ProProfiling, #мероприятия, #РоадШоу, #Филатов, #профайлинг_Филатов

Прогностика и предиктивная аналитика, часть 1.

Судя по статистике, многим что называется "зашли" мои подборки по современной литературе по профайлингу. Например, в подборка по эмоциям была сохранена 455 раз: больше было только у картинок психотипов в профайлинге.

Люди спрашивают, читал ли я все это: отвечаю, да читал. Что-то пристально и на несколько раз, что-то слегка. Поэтому и могу рекомендовать. При этом напомню, что это новые книги, а не книги рубежа тысячелетия или даже раньше.

Тема сегодняшней подборки - предиктивная аналитика и прогностика: важнейшая и моя любимая ветвь профайлинга.

К сожалению этой теме уделяется не так много времени как должно, - но именно она самая интенсивно развивающаяся, по которой принято писать не книги, а статьи. Хорошей литературы на русском языке на эту тему немного.

Напоминаю, что на все эти книги у вас скидка 10%.

Подборка книг по эмоциям здесь.
Подборка книг по нейробиологии, часть 1.
Подборка книг по нейробиологии, часть 2.

Итак: предиктивная аналитика и прогностика, часть 1.

1. Эрик Сигель. Просчитать будущее. Кто кликнет, купит, соврёт или умрёт. Издание

Несмотря на то, что это книга 2014 года и в теме предиктивной аналитике уже все улетело в космос, книга позволит вам оценить возможности доказательной прогностики середины 10х годов. Это все-таки классика.

2. Филип Тэтлок и Дэн Гарднер. Думай медленно - предсказывай точно.

Тэтлок и Гарднер - мэтры прогностики. Собственно, его книги особенно полезно прочитать вместе с работами Канемана, о котором мы еще поговорим.

3. Дэвис Уильям. Индустрия счастья. Как Big Data и новые технологии помогают добавить эмоцию в товары и услуги.

Строго говоря книга не только о прогностике, а содержит в себе и сравнительно много информации о поведении человека.

4. Джон Урри. Как выглядит будущее?

Содержательная и весьма многосторонняя книга, показывающая помимо прочего обхор подходов к прогнозированию.

5. Нассим Талеб. Черный лебедь. Под знаком непредсказуемости.

Вообще рекомендую почитать все книги Талеба: кое что там конечно лишнее и не относится к профайлингу вообще, но большинство идей вполне в тему.

6. Алан Гринспен. Карта и территория. Риск, человеческая природа и проблемы прогнозирования.

Хорошая книга по поведенческой экономике и оценке рисков. Довольно много полезных моментов, хотя надо вчитываться.

7. Анналин Ын, Кеннет Су. Теоретический минимум по Big Data. Всё что нужно знать о больших данных.

Хороший ликбез по оценке BigData для начинающих без большой математике и терминологической нагруженности.

8. Дэвид Хэнд. Темные данные. Практическое руководство по принятию правильных решений в мире недостающих данных.

Отличная книга по аналитике. Классика. Просто, понятно, практично, содержательно.

9. Нейт Сильвер. Сигнал и шум. Почему одни прогнозы сбываются, а другие – нет.

Книга полезная, но нужно вчитываться и вычитывать эту пользу, скрытую за довольно толстым слоем воды.

10. Даниэль Канеман, Касс Р. Санстейн, Оливье Сибони. Шум. Несовершенство человеческих суждений.

Книга для обязательного чтения от безусловных мэтров на стыке прогностики и когнитивных искажений. Сложновато, но очень полезно.

Посмотреть весь список можно здесь

#книги, #рекомендации, #новинки, #мэтры, #будущее, #прогностика, #аналитика, #BigData, #профайлинг_филатов, #Proprofiling

Опубликован большой альманах «Искусственный Интеллект» индекс 2021 года.

Я в последние 5 лет смотрю его довольно пристально, тем более, что в позапрошлом году там было упоминание о нас и о нашей победе в «Новаторе Москвы» в номинации «IT и ИИ».

О искусственном интеллекте в профайлинге я здесь писал довольно много, посмотрите по хештегам. И не только хорошего. Но тем не менее факт есть факт: будущее профайлинга во многом связано именно с ИИ. Его значение будет только увеличиваться, в то время как значение других направлений профайлинга так интенсивно развиваться не будут.

Всем, кто интересуется этой темой будет интересно взглянуть отчет. В том числе и в связи с разговорами о том, что наши IT-специалисты уезжают за рубеж. По своему опыту и кругу общения скажу: да, уезжают. Не все конечно, но чувствительно. А между прочим в РФ всего 400 компаний, занимающихся ИИ. Это капля в море по сравнению с Китаем или США и даже с Бразилией. Тоже самое относительно публикаций по ИИ и патентам.

В общем – расти и развиваться есть куда.

#ИИ, #технологии, #BigData, #развитие, #ITгиганты, #прогностика, #аналитика, #BigData, #профайлинг_филатов, #ProProfiling

А вот и сам Альманах.


#ИИ, #технологии, #BigData, #развитие, #ITгиганты, #прогностика, #аналитика, #BigData, #профайлинг_филатов, #ProProfiling

Если мы, например, читаем метанализ посвященный невербальным признакам обмана, но у нас нет уверенности, что все авторы, которые попали в группу анализа, одинаково понимают, что такое «закрытые жесты» или «строгий голос», то гарантии того, что данные метанализа будут корректными, нет.

После 50-ти лайков этого поста опубликую вторую часть 😉

#анализданных, #аналитика, #BigData, #информация, #статистика, #психотип, #КИ, #мэтры, #профайлинг_филатов, #ProProfiling

#анализданных, #аналитика, #BigData, #информация, #статистика, #психотип, #КИ, #мэтры, #профайлинг_филатов, #ProProfiling

Сегодня многие HR-форумы обсуждают покупку известной канадской HR-Tech-компанией Visier активы кадрового стартапа Давида Яна Yva. ai.

Вероятно, - это шаг в сторону ухода с рынка РФ, поскольку, очевидно, наш рынок в ближайшее время будет интенсивно автономизироваться.

Yva использует искусственный интеллект и инструменты аналитики для изучения настроения работников — их самочувствия, удовлетворенности работой, продуктивности и рисков выгорания, а также того, как люди и команды работают вместе. Штаб-квартира стартапа находится в Калифорнии, ее основатель Давид Ян – выходец из РФ, находящийся на 175 месте списка российского Форбс. Давид – известный человек и много сделал в этом направлении.

Yva для оценки пользователя использует данные из корпоративных источников и предоставляет кадровым и управленческим службам аналитику в области оценки персонала и их потенциала. Стартовали они в 2017 году, на год раньше нашей ProfileCenter.

По-сути они предоставляют аналитику для HR, а мы для безопасников. Есть сходства, есть различия. Yva всегда позиционировала себя как «белая и пушистая» аналитика, оценивающая таланты, потенциал и сильные стороны. А мы же, в свою очередь можем определять не только белые и пушистые, хорошие, но и темные стороны пользователя, а также его личностные деструкторы. К тому же мы тоже можем определить и выгорание и спрогнозировать увольнение ключевых сотрудников с высокой долей вероятности. И еще многое чего другого. Нашу аналитику используют крупные компании в целях кадрового и корпоративного профайлига.

Кому интересно, вот примеры стандартной «коробочной» аналитики нашего модуля.

Тема цифрового профилирования со всеми своими плюсами и минусами, сильными и слабыми сторонами - самая интенсивно развивающаяся отрасль в профайлинге. И это в ближайшее время будет только усиливаться.

#профайлинг, #HRTech, #ProfileCenter, #аналитика, #цифровойпрофайлинг, #коллеги, #перспективы, #ProProfiling

Темные данные в профайлинге. Часть 2.
Начало здесь.

ТИП 9. Обобщение данных.
Обобщение данных по определению означает отбрасывание деталей.

Если вы учитываете только средние значения любого параметра, то это не дает никакой информации о диапазоне всех данных или об асимметрии их распределения. Среднее значение может скрыть тот факт, что некоторые значения могут очень сильно от него отличаться. В то же время обобщение может скрывать и тот факт, что все значения идентичны.

ТИП 10. Ошибки измерения и неопределенность.

Ошибки измерения изучаемых значений часто приводят к ошибочным выводам. Часто мы изучаем параметры, которые нельзя измерить непосредственно, и приходится пользоваться косвенными или опосредованными вычислениями. Например, при измерении кожно-гальванической реакции при инструментальной детекции лжи низкое качество самого электрода, который используется для фиксации параметров может серьезно исказить результат.

ТИП 11. Искажения обратной связи и уловки.

Этот тип данных возникает, когда собранные значения начинают влиять на исходный процесс. Например, в процессе оценки человека, получив какую-то часть информации, вы уже понимаете, к какому выводу вы, скорее всего, придете. И после этого качество вашего анализа второй половины данных существенно снижается. Или еще один пример – если все говорят, что этот пользователь, например, истероид, то возникает соблазн их послушать и это также снизит качество вашего анализа.

ТИП 12. Информационная асимметрия.

Информационная асимметрия возникает, когда один и тот же набор данных анализируют эксперты с разным уровнем подготовки и информированности.
Понятно, что если одну и ту же информацию анализируют эксперты разной подготовки (не говоря еще о их предвзятостях), то результаты этих анализов будут существенно отличаться.

ТИП 13. Намеренно затемненные данные.

Они наблюдаются, когда люди намеренно скрывают данные или манипулируют ими с целью обмана или введения в заблуждение. Возможностей для примеро здксь огромное количество: мы можем сознательно отбрасывать неугодную для нас информацию или часть данных, для того, чтобы сознать желаемое впечатление от этой информации и повлиять на дальнейшие выводы и поведение.

ТИП 14. Фальшивые и синтетические данные.

Сфальсифицированные или специально созданные данные с целью введения в заблуждение. Однако такие наборы данных создаются не только для мошенничества, но и с исследовательской задачей: существует метод симуляции, когда генерируются искусственные наборы данных, которые могли возникнуть в результате изучаемого процесса, а также другие методы, использующие репликацию данных, например методы бутстреппинга, бустинга и сглаживания. Современные статистические инструменты широко используют такие идеи, но их некачественная репликация может привести к ошибочным выводам.

ТИП 15. Экстраполяция за пределы ваших данных.

Наборы данных всегда конечны. Это означает, что они имеют максимальное и минимальное значения, за пределами которых лежит неизвестность. Заявление о возможных значениях выше максимума или ниже минимума в наборе данных требует выдвижения предположений или получения информации из какого-то другого источника. Более того, экстраполяция имеющихся данных на другой контекст или события имеет свои известные ограничения и требует крайней осторожности.

#анализданных, #аналитика, #BigData, #информация, #статистика, #психотип, #КИ, #мэтры, #профайлинг_филатов, #ProProfiling

#анализданных, #аналитика, #BigData, #информация, #статистика, #психотип, #КИ, #мэтры, #профайлинг_филатов, #ProProfiling

Прогностика и предиктивная аналитика, часть 2.

Собственно, что почитать на ближайшие праздники и выходные?

Тема сегодняшней подборки - предиктивная аналитика и прогностика: важнейшая и моя любимая ветвь профайлинга.

Я люблю тему прогностики и трендов потому, что такая литература всегда заставляет задать себе вопрос: "а верной ли мы дорогой идем, товарищи? и не повернули ли мы назад?" Как вы понимаете, эти вопросы прямо сейчас актуальны как никогда.

Напоминаю, что на все эти книги у вас скидка 10%.

Подборка книг по эмоциям здесь.
Подборка книг по нейробиологии, часть 1.
Подборка книг по нейробиологии, часть 2.
Подборка книг по предиктивной аналитике и прогностике, часть 1.

Итак: предиктивная аналитика и прогностика, часть 2.

1. Фактологичность. Десять причин наших заблуждений о мире – и почему все не так плохо, как кажется. Анна Рослинг Рённлунд, Ула Рослинг, Ханс Рослинг.

Книга с аннотациями Билла Гейтса и Барака Обамы посвящена тома, как анализировать шумные данные в самых разнообразных ситуациях. Непростая, но содержательная.

2. Почему. Руководство по поиску причин и принятию решений. Саманта Клейнберг.

Содержательная, но для многих непростая книга по определению причинно-следственных и других связей между событиями.

3. Как не ошибаться. Сила математического мышления. Джордан Элленберг

Отличная объемная книга, в которой основной акцент сделан на статистику и теорию вероятности, работу в ситуации неопределенности.

4. Теория игр. Искусство стратегического мышления в бизнесе и жизни. Барри Дж. Нейлбафф, Авинаш Диксит.

Классическая, хоть и довольно древняя (2008) книга о теории вероятностей и игр при принятии решений. Содержательно, объемно и нескучно. В сравнении с другими - просто)).

5. Неизбежно. 12 технологических трендов, которые определяют наше будущее. Кевин Келли.

Большинство книг о трендах содержат довольно много воды и весьма дискуссионные. Эта - одна из лучших по теме. Не бе вопросов, но ОК.

6. 2030. Как современные тренды влияют друг на друга и на наше будущее. Мауро Гильен.

Книга издана в доковидную эпоху и не учитывает этого тренда. Но во всем остальном - сильна и системна.

7. Мегатренды. Как предсказывать грядущие тенденции и видеть то, что упускают другие. Рохит Бхаргава.

Книга на стыке прогностики, креативного мышления и трендологии. Хорошая и содержательная.

8. Будущее быстрее, чем вы думаете. Как технологии меняют бизнес, промышленность и нашу жизнь. Стивен Котлер, Питер Диамандис.

Книга про тренды в бизнесе, промышленности и социальных технологиях. Заставляет задуматься.. Рекомендую ообенно руководителям.

9. Вероятности и неприятности. Математика повседневной жизни. Сергей Самойленко.

Хорошая и совсем недавно вышедшая книга по математическому мышлению и статистике. Но для большинства покажется сложной.

10. Игра случая. Математика и мифология совпадения. Джозеф Мазур.

Самая простая, легенькая и тоненькая из всего этого списка)). Если вы вообще не в теме - то лучше не найти.

Посмотреть весь список можно здесь

#книги, #рекомендации, #новинки, #мэтры, #будущее, #прогностика, #аналитика, #BigData, #профайлинг_филатов, #Proprofiling